乘积季节模型 使用场合 ·序列的季节效应、长期趋势效应和随机波动之间有着复 杂地相互关联性，简单的季节模型不能充分地提取其中 的相关关系 ■构造原理 ·短期相关性用低阶ARMA(p,q)模型提取 ·季节相关性用以周期步长S为单位的ARMA(P,Q)模型提取 ·假设短期相关和季节效应之间具有乘积关系，模型结构 如下 ⊙(B)⊙s(B) Φ(B)Φ、(B)
乘积季节模型 ◼ 使用场合 ◼ 序列的季节效应、长期趋势效应和随机波动之间有着复 杂地相互关联性，简单的季节模型不能充分地提取其中 的相关关系 ◼ 构造原理 ◼ 短期相关性用低阶ARMA(p,q)模型提取 ◼ 季节相关性用以周期步长S为单位的ARMA(P,Q)模型提取 ◼ 假设短期相关和季节效应之间具有乘积关系，模型结构 如下 t S S t D S d B B B B x ( ) ( ) ( ) ( ) =
例5.10：拟合1948-1981年美国女性月度失业率序列 X 4000 3000 2000 1000 1600 1500 1945195019551960196519701300 1200 time 1100 1000 y 900 800 1961 1962 196319641965 1966 time
例5.10 :拟合1948——1981年美国女性月度失业率序列
差分平稳 一 阶、12步差分 dif112 500 400 300 200 100 0 -100 -200 -300 -400 194519501955196019651970197519801985 time
差分平稳 ◼ 一阶、12步差分
差分后序列 自相关图 Autocorrelations Covar iance Correlation -198765432101234567891 01 12557.531 1.00000 !米米米米米米米米米米米米米米米米米米米米】 -1734 813 -.13815 米米米 234 2375.783 .18919 !米米米水 359 0 ,02225 808 .06051 567 138.150 0.01100 655 488 0.05220 -1028.202 -.08188 89 533.734 0.04256 -158 605 -.01263 10 -1606.237 -.12791 米米米 858 206 0 ,06834 -5698.457 -.45379 米米米米米米米米 13 521.120 0.04150 米 509 219 -.04055 -1020.660 .08128 常 -730 212 ,05815 17 429 071 .03417 米 1 -825.235 06572 28 0 ,04722 .04502 .01646 122284 .00939 774 691 0.06169 1* . -929 421 ,07401 米 marks two standard errors
差分后序列自相关图
差分后序列偏 自相关图 Partial Autocorrelations Lag Correlation -198765432101234567891 -0.13815 米米米 0.17342 1234567890 0.07127 0.04101 0.00652 0.03643 -0.08399 米米 0.00291 0.01776 -0.14008 ! 米米米】 1 0.04184 米， -0.42881 米米米米米米米米米！ -0.07313 .米 41516 0.11856 米米 -0.04173 米 -0.03232 米 0.04320 0.00766 19 -0.03205 082 -0.00893 0 03529 12175 米米！ 0.09376 24 -0.30002 米米米米米米】
差分后序列偏自相关图