1、应用时间序列eviews实验报告 应用时间序列实训（eviews） 课程论文（报告、案例分析） 院 系 信息学院 专 业 统计学 班 级 统计3班 学生姓名 李健 学 号 *0453 任课教师 张方风 2013 年 1 月 16 日美国23岁妇女每万人生育率模型建立及预测统计学 专业 学生 李健 学号 *实验目的：利用Eviews对时间序列建立ARMA模型的过程 实验步骤：一，1打开数据附录1.15年每万人生育率1917183.11918183.91919163.11920179.51921181.41922173.41923167.61924177.41925171.71926170.119
2、27163.71928151.91929145.419301451931138.91932131.51933125.71934129.51935129.61936129.51937132.21938134.11939132.11940137.41941148.11942174.11943174.71944156.71945143.31946189.719472121948200.41949201.81950200.71951215.61952222.51953231.51954237.919552441956259.41957268.81958264.31959264.51960268.119
3、612641962252.819632401964229.11965204.81966193.319671791968178.11969181.11970165.61971159.81972136.11973126.31974123.31975118.5 2在窗口中单击viewLine Graph得到以下趋势图3在窗口中单击viewCorrelogram选择level得到以下自相关图由自相关图的p值可知，因为p0.05，所以拒绝原假设，此序列不为白噪声序列。4在命令窗口中输入genr news=D(x,1,0)进行一阶差分5在窗口中单击viewLine Graph得到以下趋势图6利用一阶差分后
4、的数据，做出自相关系数图.在news窗口中单击view-Unit Root Test由以上两图可知，拒绝原假设，故平稳7同时单击Quick-Estimate Equation弹出对话框，输入news AR(1)得到：所以平稳二，1分别建立AR（1）、MA（1）和ARMA（1,1）模型 单击Quick-Estimate Equation弹出对话框，输入news AR(1) ，news MA(1)和news AR(1) MA(1)便得到如下三张图表：由以上三幅图表，可知ARMA(1，1)的模型中AIC和SC的值最小，所以ARMA（1，1）模型为最优模型.2表示ARMA（1,1）模型：在ARMA（1
5、,1）模型中单击view选择Represtations得到： ARMA（1，1）模型的表达式为，根据图表中，所以此模型的表达式为3根据最优模型ARMA（1,1），对序列进行预测（1）动态预测：打开Forecast，在弹出的窗口中选Dynamic，点ok得到如下图表（2）静态预测：打开Forecast，在弹出的窗口中选Static，点ok得到如下图表参考文献1王艳，应用时间序列分析（第二版） 中国人民大学出版社课程论文评分表各项满分评分标准学生得分评分标准一10有明确的研究背景和意义 评分标准二30数据准确、有时效性，必须是最新的数据评分标准三40方法得当，有实证分析评分标准四10条理性和逻辑性强，内容阐述清晰、结论明确评分标准五10论文按规定的格式撰写，文章中引用的内容需用脚注注明来源评分标准六特别提醒文章出现大段抄袭或者两人之间内容雷同达到80%以上，均不能及格。论文按规定的时间上交，每推迟一天，扣减2分总分评阅人签字
