Eviews ARMA模型的操作和方程表示 |
您所在的位置:网站首页 › eviews估计模型参数分析 › Eviews ARMA模型的操作和方程表示 |
本文主要内容:
1、ARMA模型方程的理解推导 2、模型在Eviews如何操作 3、模型对应的Eviews结果如何书写 最近看书才发现之前用Eviews操作时间序列模型的时候,在操作和模型结果方程的表达上有不少问题,今天小编就这些问题做一个分析和总结。 1、针对问题1的回答需要知道的是,我们建立的时间序列模型,是在各类模型中都已剔除了所有确定性成分,即不含有均值项、时间趋势项。(这个我之前学习的时候没注意到)
([https://www.codecogs.com/latex/eqneditor.php](在线 LaTeX 公式编辑器),这个网站和简书的公式代码语法兼容,推荐使用) 设有非零漂移项平稳 ARMA(2,1) 的过程如下,
式 上述过程在Eviews的模型方程书写的时候需要用到。 一般表达式设有漂移项非零的平稳ARMA(p,q)过程如下,
并且(2)和(5)等价,即任何漂移项非零的平稳过程都可以通过对序列先退均值(以及确定性成分),然后建立ARMA模型研究。 2、针对问题2和3的回答以1960Q1-2012Q4某国失业率季度数据为例,展示Eviews操作。 别看这勾勾弯弯的,他其实是平稳的序列。 Eviews分析给出,该序列是一个常数项不为0的平稳序列,符合ARMA模型的平稳性条件。 2.2 模型定阶通过上图可以判断,偏相关系数2阶截尾,自相关系数拖尾,可初步估计该模型为AR(2)。 2.3 模型估计(今天的C位)在Eviews里进行AR(2)的操作有两种方式,并且对应两种不同的方程表达式写法(但最终殊途同归) 2.3.1 Eviews AR模型估计操作方式1(按照回归思想)---quick- equation estimation 模型方程: 2.3.2 Eviews AR模型估计操作方式2(按照时间序列思想)---quick- equation estimation 以Eviews9 为的结果为例,书写模型方程(SIGMASQ稍后解释)
写写停停,今天就到这儿了,最后一问,大家愚人节有开心了没? |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |