简单季节模型拟合结果 拟合模型残差白噪声检验 延迟 阶数 AR(1,12) MA(1,2,12) ARMA(1,12),(1,12) X2值 P值 x值 P值 X值 P值 6 14.58 0.0057 9.5 0.0233 15.77 0.0004 12 16.42 0.0883 14.19 0.1158 17.99 0.0213 结果 拟合模型均不显著
简单季节模型拟合结果 延迟 阶数 拟合模型残差白噪声检验 AR(1,12) MA(1,2,12) ARMA((1,12),(1,12) 值 P值 值 P值 值 P值 6 14.58 0.0057 9.5 0.0233 15.77 0.0004 12 16.42 0.0883 14.19 0.1158 17.99 0.0213 结果 拟合模型均不显著 2 2 2
乘积季节模型拟合 模型定阶 ■ARIMA(1,1,1)×(0,1,1)12 ■参数估计 VV12X= 1+0.66137B (1-0.77394B12)8 1+0.78978B
乘积季节模型拟合 ◼ 模型定阶 ◼ ARIMA(1,1,1)×(0,1,1)12 ◼ 参数估计 t B t B B x (1 0.77394 ) 1 0.78978 1 0.66137 1 2 1 2 − + + =
模型检验 残差白噪声检验 参数显著性检验 延迟 x2统 待估 x统 阶数 计量 P值 参数 计量 P值 6 4.50 0.2120 e -4.66 <0.0001 12 9.42 0.4002 02 23.03 <0.0001 18 20.58 0.1507 41 -6.81 <0.0001 结果 模型显著 参数均显著
模型检验 残差白噪声检验 参数显著性检验 延迟 阶数 统 计量 P值 待估 参数 统 计量 P值 6 4.50 0.2120 -4.66 <0.0001 12 9.42 0.4002 23.03 <0.0001 18 20.58 0.1507 -6.81 <0.0001 结果 模型显著 参数均显著 2 2 1 12 1
乘积季节模型拟合效果图 X 4000 3000 2000 1000 0 TTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTTT 194519501955196019651970197519801985 time
乘积季节模型拟合效果图
5.3Auto-Regressive:模型 构造思想 ·首先通过确定性因素分解方法提取序列中主 要的确定性信息 x,=T,+S,+E ·然后对残差序列拟合自回归模型，以便充分 提取相关信息 8,=中8-1+.+中p8-p+a
5.3 Auto-Regressive模型 ◼ 构造思想 ◼ 首先通过确定性因素分解方法提取序列中主 要的确定性信息 ◼ 然后对残差序列拟合自回归模型，以便充分 提取相关信息 t Tt St t x = + + t = t− + + p t− p + at 1 1