cpi时间序列-第一组实验报告.doc

实验项目名称:中国2010年1月到2015年12月的月度CPI数据时间序列分析一、实验分工我们大家讨论出实验的主题——研究月度CPI数据的变化规律,之后进行率分工安排:胡典、张声颖负责查找我国月度CPI数据,陈龙龙、康燕红负责制定实验内容、徐子明、陈建椿负责eviews操作并撰写实验报告,陈龙龙、徐子明负责审查并修订实验报告。二、实验目的实验目的:本实验采用2010年1月到2015年12月的月度CPI数据为时间序列分析模型,通过平稳性检验、白噪声检验、纯随机性检验、分析自相关和偏自相关图进行模型的确定和定阶、MA(1)模型检验、AR(1)模型检验、MAAR(1)模型检验、对参数估计预测等来研究月度CPI数据的变化规律。三、;《现代时间序列分析导论》教材一本四、实验方法及数据来源实验方法:本实验采用2010年1月到2015年12月的月度CPI数据为时间序列分析模型,通过平稳性检验、白噪声检验、纯随机性检验、分析自相关和偏自相关图进行模型的确定和定阶、MA(1)模型检验、AR(1)模型检验、MAAR(1)模型检验、对参数估计预测等来研究月度CPI数据的变化规律。数据来源:中华人民共和国国家统计局网站()五、实验内容及步骤第一、序列预处理(一)平稳性检验(如不平稳,适当差分平稳化)(1)包括图形检验(如图所示,其中,月度cpi数据导入并命名为GPI):由图可知,数据不平稳。(2)将其进行差分平稳化得到如下图所示:为了使研究更加精准,适当采用差分对序列在进行平稳化处理,对月度gpi数据变化进一步分析预测,从而我们对数据进行二阶差分(eviews命令:genrdgpi=D(gpi),genrdgpi2=D(dgpi))。(二)纯随机性检验(如是白噪声分析结束,如不是进入第二步)在Eviews中进行白噪声检验分析,得下图:如图可知,Prob值<,为非白噪声。所以,进行以下建模等相关分析、检验、优化。第二、建模(一)分析自相关和偏自相关图进行模型的确定和定阶进行二阶差分后,得到自相关与偏自相关系数如下图所示:由图分析可知,该模型为一阶自相关、二阶偏自相关(左侧一阶截尾,右侧二阶截尾)。(二)估计参数当完成(三)所示图可得,参数估计结果为:(1-B)dgpit=-+εt--1(三)检验(参数显著性检验和模型有效性检验——分别对MA(1)、AR(1)、ARMA(1)模型进行检验)(1)模型检验:在eviews命令栏输