《表5 AIC定则模型识别定阶表》

  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

《时间序列在湖南省GDP预测中的应用——基于ARIMA模型》

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

由上文平稳性检验以及处理可以知道阶数d=1。接下来通过自相关数（ACF）和偏自相关系数（PACF）见表4，以及AIC模型识别定阶表（表5）来确定最优ARIMA模型的p，d。DLNY的自相关系数在滞后三期后急速衰减，表现为拖尾性。DLNY的偏自相关系数在滞后一期后急速衰减，表现为截尾性。进而能够粗略针对ARMA（1，3）、ARMA（1，0）、ARMA（1，2）、ARMA（1，1）模型进行构建。通过AIC定则模型识别定阶表以及各模型的数据的拟合优度来进行判断。最终ARMA（1，2）模型的平稳性检验通过而且AIC和BC的值都为最小，所以确定ARMA（1，2）模型为最优模型。