p和q分别取1、4、6试一下，然后逐步剔除不显著的的
我觉得像白噪声

31# 787740190
你也觉得是白噪声序列？
可否给出白噪声序列的定义。

继续顶，顶到天昏地暗。

白噪声就是纯随机序列，就是当期序列值和前几期的序列值无关，理论上说是没有分析价值的（王燕的《应用时间序列分析》是这么说的。
arma模型主观性比较强，看图很难直接定阶，要多试，建议你把数据挂上来

你可以从第十期开始实验，依次往下减。
依我看来，直接做Y=Y(-1)+Y(-6)+Y(-10)+ma(1)+ma(6)
哪个系数insignificant,就把哪个去掉，如果都significant,就检查residual是否是white noise，如果是，记下AIC,SIC,HQIC的值，然后实验几种组合，找到最优的解

34# 787740190

数据已挂1楼。
多试几次？问题是如何去判断孰优孰劣，小弟很迷惑，不吝赐教。

35# zkyjesu

你说“直接做Y=Y(-1)+Y(-6)+Y(-10)+ma(1)+ma(6)，”是什么东西？是ar（1）ar（6）ar（10）ma（1） ma（6）吗？

记下AIC,SIC,HQIC的值后，如何判断优劣？

下班了，过来看看，希望有人能解答。

AIC,HQIC，SIC都是判别的方法，各自的panalty不同，依据observations的多少和引入variables的多少，来选择不同的information criteria，大体上说，HQIC比较温和，你用他作为选取的标准吧。
如果在residual是White noise的基础上，the lower ,the better.

39# zkyjesu
谢谢你的回复。请问，可否贴个图明示？

我刚才试验了几次，至少有2，3个模型成立，如果放宽松 at 10%  level of significance, 模型更多，自己选取吧

判断是否是White noise 序列可以理解为residual中有没有dependent variable 的信息。

41# zkyjesu
前辈，可否给出你觉得妥当的模型？
晚辈不胜感激。

还是没人回答，那就继续顶。

是不是具有一定的周期性，周期是6

44# zhailj007
何以见得？请明示。

无话说，继续顶。

继续看，继续顶。

继续关注，继续顶。

没话说，继续顶上。

继续顶，顶到首页。

个人感觉是6 、1

51# puxingrong
我已经把数据挂在1楼，
能否帮我跑一下软件？小弟不胜感激。

Dependent Variable: Y                               
Method: Least Squares                               
Date: 09/09/10   Time: 20:10                               
Sample(adjusted): 7 201                               
Included observations: 195 after adjusting endpoints                               
Convergence achieved after 17 iterations                               
Backcast: -3 6                               
                               
Variable        Coefficient        Std. Error        t-Statistic        Prob.  
                               
AR(1)        0.327373        0.060503        5.410875        0.0000
AR(4)        0.420421        0.073347        5.731959        0.0000
AR(6)        0.244921        0.067490        3.629002        0.0004
MA(1)        -0.469129        0.000852        -550.3966        0.0000
MA(4)        -0.277123        0.073617        -3.764413        0.0002
MA(10)        -0.214330        0.060957        -3.516091        0.0005
                               
R-squared        0.095512            Mean dependent var                9.302564
Adjusted R-squared        0.071583            S.D. dependent var                8.587677
S.E. of regression        8.274602            Akaike info criterion                7.094545
Sum squared resid        12940.65            Schwarz criterion                7.195252
Log likelihood        -685.7181            Durbin-Watson stat                2.054431
                               
Inverted AR Roots               1.00           .30+.71i           .30 -.71i          -.20+.66i
          -.20 -.66i              -.86               
Inverted MA Roots               .99           .72 -.45i           .72+.45i           .28+.84i
           .28 -.84i          -.19+.82i          -.19 -.82i          -.65+.47i
          -.65 -.47i              -.85

一个可行的模型，我比较习惯将显著的变量全部引入模型，这样可能预测精度会高一些，楼主可以自己在删几个变量，前段时间没上网

54# 787740190

谢谢，你跑的是eviews吗？
我觉得你的结果都显著，无需删除。

是的，我只会eviews和spss

56# 787740190

很不错啊，都会俩。

好久没来了，看看自己的帖子，留个脚印。

好啊  非茶好

59# sky2010_
怎么好，说来听听。