arima模型的建模步驟有什麼

arima模型，差分整合移動平均自迴歸模型，又稱整合移動平均自迴歸模型（移動也可稱作滑動），是時間序列預測分析方法之一。那麼arima模型的建模步驟有什麼呢？

1、單位根檢驗，確定單整階數。由單位根檢驗的案例分析可知，GDP時間序列為2階單整的。即d=2。通過2次差分，將GDP序列轉化為平穩序列。利用序列來建立ARMA模型。

2、模型識別。確定模型形式和滯後階數，通過自相關係數（AC）和偏自相關係數（PAC）來完成識別。首先將GDP數據輸入Eviews軟件，查看其二階差分的AC和PAC。打開GDP序列窗口，點擊View按鈕，出現下來菜單，選擇Correlogram。打開相關圖對話框，選擇二階差分（2nd difference），點擊OK，得到序列的AC和PAC。序列的自相關係數（AC）在1階截尾，偏自相關係數（PAC）在2階截尾。因此判斷模型為ARMA模型。

3、建模。由以上分析可知，建立模型。首先將GDP序列進行二次差分，得到序列。然後在Workfile工作文件簿中新建一個方程對話框，採用列表法的方法對方程進行定義。自迴歸滯後項用ar表示，移動平均項用ma表示。本例中自迴歸項有兩項，因此用ar（1）、ar（1）表示，移動平均項有一項，用ma（1）表示，點擊確定。從擬合優度看，模型擬合效果較好，DW統計量為2.43，各變量t統計量也通過顯著性檢驗，模型較為理想。對殘差進行檢驗，也是平穩的，因此判斷模型建立正確。

以上就是關於arima模型的建模步驟有什麼的全部介紹了。