《表4 不同ARMA模型参数的t统计量的显著性检验值P、AIC值和SBC值》

  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

《我国棉花生产风险预警研究》

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

原始数据平稳化处理后，需对模型的各阶数进行确定来识别模型模式，即确定ARMA（p，d，q）中p，d和q的值，由平稳化处理过程可知d=2.p和q主要由二阶差分ddx的自相关系数图和偏相关系数图来确定.根据图4可知，自相关系数自1阶后，基本都能落在2倍的标准差范围内，并逐渐减弱到零，具有一定的拖尾性，偏自相关系数在延迟6阶之后，全部落到2倍的标准差范围内，同样具有一定的拖尾性，即二者都不具有明显的截尾性，这样就难以用传统的方法具体确定模型的阶数，对于这种情况，需要通过反复对比模型进行估计来确定最佳模型.尝试不同的ARIMA（p，d，q）模型，取p=1，2，3，4，5，6，d=2，q=1，并将其参数的t统计量的显著性检验值P、AIC值和SBC值列表，如表4所示.同时由于二阶差分序列绕着零轴上下波动，可视其均值为零，故在对其建模时不再考虑常数项C.