《表2 预测模型的识别结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《中国木质家具国内外市场需求趋势研究——基于差分整合自回归移动平均模型的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：RMSE:Root Mean Square Error均方根误差；MAPE:Mean Absolute Percentage Error平均绝对误差百分比；BIC:Bayesian Information Criterion贝叶斯信息准则。

经差分处理后的平稳时间序列数据已经符合ARIMA预测模型对数据的平稳性要求，再根据ARIMA模型相关性特征，通过读取差分处理后的平稳时间序列的自相关图（ACF）和偏自相关图（PACF）初步识别p、q的值，利用SPSS 21软件进行建模，然后重复拟合ARIMA(p，d，q）模型中的参数p和q的可能值，并通过模型参数的显著性水平、平稳化的、正态化的BIC值及实际值与预测值的拟合程度来确定最佳的预测模型。通过识别处理后得到的平稳时间序列自相关图（ACF）和偏自相关图（PACF），选择年销售额序列2次差分后的AR滞后1阶自回归模型作为年销售额的预测模型；选择出口额序列1次差分后的AR滞后1阶自回归模型作为年出口额的预测模型；选择进口额序列2次差分后的AR滞后2阶自回归模型作为年进口额的预测模型。待预测时间序列的最优模型识别、选择结果如表2所示。