用特征根判别法判断AR模型的平稳性,再用随机模拟的方法来验证以及做自相关分析
下面将用这两个栗子来讲解本文的内容:一、我们先用特征根判别法判断模型的平稳性。特征根判别法呢,最主要的就是写出模型的差分方程,然后求出其特征根,若其特征根在单位圆内,则该模型就是平稳的解题如下:二、用随机模拟的方法来验证1)①在excel中生成100个序列数②将这100个序列数导入spss中③点击【转换】【计算变量】④输入数字表达式RV.NOR
·
下面将用这两个栗子来讲解本文的内容,将用到的软件:SPSS、EXCEL
一、我们先用特征根判别法判断模型的平稳性。
特征根判别法呢,最主要的就是写出模型的差分方程,然后求出其特征根,若其特征根在单位圆内,则该模型就是平稳的
解题如下:
二、用随机模拟的方法来验证
1)
①在excel中生成100个序列数
②将这100个序列数导入spss中
③点击【转换】【计算变量】
④输入数字表达式RV.NORMAL(0,1),点击确定,产生白噪声et
⑤将et列数据复制粘贴到excel,然后计算AR模型随机数,的初始值不妨都设为1
先计算出第一个AR模型随机数,如图
然后计算出第二个随机数
再计算出第三个随机数
下拉填充至100行,即可产生100个AR模型随机数
⑥将这100个随机数导入spss
⑦点击【分析】【时间序列预测】【序列图】
⑧做出xt的序列图
由序列图可知,该模型是非平稳的
⑨做自相关性分析,点击【分析】【时间序列预测】【自相关】
这里我选择用巴特利特近似来做
得到结果如图:
由自相关结果可知,各项p值都很小,p值越小越拒绝,所以该序列是非白噪声,且具有拖尾性
综上所述,可知该模型是不平稳的非白噪声序列。
2)同理,可作出序列图和自相关性分析结果:
可知该模型为平稳的非白噪声序列,且具有拖尾性

GitCode 天启AI是一款由 GitCode 团队打造的智能助手,基于先进的LLM(大语言模型)与多智能体 Agent 技术构建,致力于为用户提供高效、智能、多模态的创作与开发支持。它不仅支持自然语言对话,还具备处理文件、生成 PPT、撰写分析报告、开发 Web 应用等多项能力,真正做到“一句话,让 Al帮你完成复杂任务”。
更多推荐
所有评论(0)