全部版块 我的主页
› 论坛 › 数据科学与人工智能 › 数据分析与数据科学 › SPSS论坛
ARMA模型选择，高手请指点
babyicry
7124 5
2009-07-28
今天对PGDP50年的数据做了如下模型估计，但是结果看不太明白，也不太尽如人意，望高手指点一下（eviews做的，实在不晓得SPSS怎么做ARMA）
首先是AR(1)
Dependent Variable: YI   

   
AR(1) 0.612192 0.111513 5.489856 0.0000
   
R-squared 0.385565     Mean dependent var  -0.001331
Adjusted R-squared 0.385565     S.D. dependent var  0.088632
S.E. of regression 0.069475     Akaike info criterion  -2.475505
Sum squared resid 0.231685     Schwarz criterion  -2.436897
Log likelihood 61.64988     Durbin-Watson stat  1.787044
   
Inverted AR Roots        .61   
   
再来是AR(1),MA(1)
   
Variable Coefficient Std. Error t-Statistic Prob.  
   
AR(1) 0.483237 0.188345 2.565695 0.0135
MA(1) 0.214893 0.215355 0.997858 0.3235
   
R-squared 0.398698     Mean dependent var  -0.001331
Adjusted R-squared 0.385904     S.D. dependent var  0.088632
S.E. of regression 0.069456     Akaike info criterion  -2.456294
Sum squared resid 0.226733     Schwarz criterion  -2.379077
Log likelihood 62.17921     F-statistic  31.16366
Durbin-Watson stat 1.970274     Prob(F-statistic)  0.000001
   
Inverted AR Roots        .48   
Inverted MA Roots       -.21   
   
再来是AR(1),MA(1),MA(2)
   
Variable Coefficient Std. Error t-Statistic Prob.  
   
AR(1) 0.285668 0.332872 0.858190 0.3952
MA(1) 0.420984 0.339597 1.239659 0.2214
MA(2) 0.174726 0.231243 0.755593 0.4537
   
R-squared 0.405174     Mean dependent var  -0.001331
Adjusted R-squared 0.379312     S.D. dependent var  0.088632
S.E. of regression 0.069828     Akaike info criterion  -2.426307
Sum squared resid 0.224291     Schwarz criterion  -2.310481
Log likelihood 62.44452     F-statistic  15.66676
Durbin-Watson stat 1.991427     Prob(F-statistic)  0.000006
   
Inverted AR Roots        .29   
Inverted MA Roots   -.21+.36i   -.21 -.36i  
   
从显著性水平看，我是不是应该直接选择ARMA（1，0）就可以了呢？结果看不是很明白，那个AIC和SC怎么没见到有呢？后面接下来我需要做什么？请指点呀~先谢过了
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复
babyicry
2009-7-28 21:25:53
Date: 07/28/09   Time: 21:25                                               
Sample: 1956 2006                                               
Included observations: 50                                               
                                               
Autocorrelation        Partial Correlation                AC          PAC         Q-Stat         Prob
                                               
      . |*****  |              . |*****  |        1        0.609        0.609        19.700        0.000
      . |**     |              .*| .     |        2        0.311        -0.095        24.947        0.000
      . |*.     |              . | .     |        3        0.136        -0.021        25.976        0.000
      . |*.     |              . | .     |        4        0.085        0.051        26.381        0.000
      . |*.     |              . |*.     |        5        0.109        0.079        27.070        0.000
      . |*.     |              . |*.     |        6        0.172        0.104        28.812        0.000
      . |**     |              . |*.     |        7        0.219        0.084        31.725        0.000
      . |**     |              . |*.     |        8        0.238        0.074        35.243        0.000
      . |**     |              . |*.     |        9        0.258        0.107        39.476        0.000
      . |*.     |              .*| .     |        10        0.137        -0.129        40.695        0.000
      . |*.     |              . |*.     |        11        0.113        0.103        41.546        0.000
      . |*.     |              . | .     |        12        0.090        -0.013        42.100        0.000
      . |*.     |              . |*.     |        13        0.122        0.066        43.153        0.000
      . | .     |              .*| .     |        14        0.064        -0.124        43.449        0.000
      . | .     |              . | .     |        15        0.030        -0.014        43.515        0.000
      . | .     |              .*| .     |        16        -0.032        -0.100        43.596        0.000
      .*| .     |              **| .     |        17        -0.164        -0.218        45.714        0.000
      .*| .     |              . | .     |        18        -0.165        0.003        47.939        0.000
      **| .     |              .*| .     |        19        -0.189        -0.131        50.948        0.000
      .*| .     |              .*| .     |        20        -0.177        -0.091        53.670        0.000
      **| .     |              **| .     |        21        -0.250        -0.224        59.275        0.000
      **| .     |              . | .     |        22        -0.191        0.048        62.669        0.000
      .*| .     |              . | .     |        23        -0.129        0.046        64.261        0.000
      .*| .     |              . | .     |        24        -0.072        0.012        64.780        0.000
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

babyicry
2009-7-28 21:26:59
上面是自相关偏相关图
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

luling2010
2009-7-28 23:27:02
我是用SAS作ARMA模型的，如果有AIC值的话，可以选值最小的模型，因为适合数据的模型可以有多个。没有AIC值，建议楼主看看该软件的资料。
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

xieyalong
2009-7-29 10:22:27
①利用相关图、偏相关图预估ARMA模型的阶数；②利用Q统计量对模型进行诊断；③利用AIC准则求得ARMA模型的阶数，第四，进行ARMA估计，对其残差进行ARCH LM Test ，若存在ARCH 效应则进行GARCH 估计， 对GARCH 残差进行ARCH LM Test，检验其是否还存在自回归条件异方差。
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

babyicry
2009-7-30 10:02:30
5# xieyalong
你好，帮帮我哈，我刚做出第一步就没办法继续下去了，不晓得怎么选才好，还有那个Q统计量怎么用呢？我用eviews怎么没看到AIC值？用SPSS有的，还有到底是AIC越小越好，还是看R的平方，或者看显著性？有什么标准没？能帮我解释下吗？看了书，没太明白~
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

微信QQ空间QQ微博
扫码加好友，拉您进群
各岗位、行业、专业交流群