《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》
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。
图表编号 | XD0092519000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 王鄂、张霆 |
绘制单位 | 安徽财经大学金融学院、安徽财经大学金融学院 |
更多格式 | 高清、无水印(增值服务) |