2016時間序列分析論文資料

1、雄起市1978-2015年GDFM間序列模型分析預(yù)測摘要：本文以雄起市1978-201科二十年間的每年GDP為原始數(shù)據(jù)，利用EVIEWS軟件判斷該序列為平穩(wěn)序列且為非白噪聲序列，通過對數(shù)據(jù)一系列的處理，建立ARIMA模型擬合時間序列，由于時間序列之間的相關(guān)關(guān)系和歷史數(shù)據(jù)對未來的發(fā)展有一定的影響，對我市的GDP進(jìn)行了短期預(yù)測，闡述GDP時間序列所表現(xiàn)的變化規(guī)律。關(guān)鍵字：雄起市GDP;時間序列；ARIMA模型；預(yù)測引言一、理論準(zhǔn)備時間序列分析是按照時間順序的一組數(shù)字序列。時間序列分析就是利用這組數(shù)列，應(yīng)用數(shù)理統(tǒng)計方法加以處理，以預(yù)測未來事物的發(fā)展。時間序列分析是定量預(yù)測方法之一?；驹恚? .承

2、認(rèn)事物發(fā)展的延續(xù)性。應(yīng)用過去數(shù)據(jù)，就能推測事物的發(fā)展趨勢。2 .考慮到事物發(fā)展的隨機性。任何事物發(fā)展都可能受偶然因素影響，為此要利用統(tǒng)計分析中加權(quán)平均法對歷史數(shù)據(jù)進(jìn)行處理。該方法簡單易行，便于掌握，但準(zhǔn)確性差，一般只適用于短期預(yù)測。時間序列分析是根據(jù)系統(tǒng)觀測得到的時間序列數(shù)據(jù)，通過曲線擬合和參數(shù)估計來建立數(shù)學(xué)模型的理論和方法。二、基本思想1 .拿到一個觀測值序列之后，首先判斷它的平穩(wěn)性，通過平穩(wěn)性檢驗，判斷序列是平穩(wěn)序列還是非平穩(wěn)序列。2 .若為非平穩(wěn)序列，則利用差分變換成平穩(wěn)序列。3 .對平穩(wěn)序列，計算相關(guān)系數(shù)和偏相關(guān)系數(shù)，確定模型。4 .估計模型參數(shù)，并檢驗其顯著性及模型本身的合理性。5

3、.檢驗?zāi)Ｐ蛿M合的準(zhǔn)確性。6 .根據(jù)過去行為對將來的發(fā)展做出預(yù)測。三、背景知識國內(nèi)生產(chǎn)總值(GDP=GrossDomesticProduct)是指一個國家(國界范圍內(nèi))所有常駐單位在一定時期內(nèi)生產(chǎn)的所有最終產(chǎn)品和勞務(wù)的市場價值。GD先國民經(jīng)濟核算的核心指標(biāo)，也是衡量一個國家或地區(qū)總體經(jīng)濟狀況重要指標(biāo)指標(biāo)。上世紀(jì)80年代初，中國開始研究聯(lián)合國國民經(jīng)濟核算體系的國內(nèi)生產(chǎn)總值（GDP指標(biāo)。中國于1985年開始建立GD限算制度。1993年中國正式取消國民收入核算，GD誠為國民經(jīng)濟核算的核心指標(biāo)。2003年國家統(tǒng)計局宣布中國將改進(jìn)GD限算與數(shù)據(jù)發(fā)布制度，取消容易引起誤解的預(yù)計數(shù)，建立定期修正和調(diào)整GD呦據(jù)

4、的機制，在發(fā)布GD嗷據(jù)的同時發(fā)布相關(guān)的重要數(shù)據(jù)，必要時還將公布核算方法。這是中國提高GD嗷據(jù)的準(zhǔn)確性和透明度，向國際通行辦法邁進(jìn)的重要一步。2014年國家統(tǒng)計局將積極穩(wěn)妥的推進(jìn)國家統(tǒng)一核算地區(qū)生產(chǎn)總值，深化固定資產(chǎn)投資統(tǒng)計，加快改進(jìn)能耗統(tǒng)計進(jìn)一步完善社會消費品零售統(tǒng)計，同時將精心組織實施第三次全國經(jīng)濟普查認(rèn)真做好普查登記。盡快制定經(jīng)濟核算圖，指定全國統(tǒng)一的核算辦法，為2015年正式實施全國統(tǒng)一的核算GD詠打下一個基礎(chǔ)。此舉將有效消除近10年來各省GD由和與國家統(tǒng)計局核算的全國GDP存在較大出入的情況。GD度按市場價格計算的一個國家（或地區(qū)）所有常住單位在一定時期內(nèi)生產(chǎn)活動的最終成果。國內(nèi)生產(chǎn)總

5、值有三種表現(xiàn)形態(tài)，即價值形態(tài)、收入形態(tài)和產(chǎn)品形態(tài)。從價值形態(tài)看，它是所有常住單位在一定時期內(nèi)生產(chǎn)的全部貨物和服務(wù)價值超過同期投入的全部非固定資產(chǎn)貨物和服務(wù)價值的差額，即所有常住單位的增加值之和；從收入形態(tài)看，它是所有常住單位在一定時期內(nèi)創(chuàng)造并分配給常住單位和非常住單位的初次收入之和；從產(chǎn)品形態(tài)看，它是所有常住單位在一定時期內(nèi)最終使用的貨物和服務(wù)價值減去貨物和服務(wù)進(jìn)口價值。在實際核算中，國內(nèi)生產(chǎn)總值有三種計算方法，即生產(chǎn)法、收入法和支出法。三種方法分別從不同方面反映國內(nèi)生產(chǎn)總值及其構(gòu)成，理論上計算結(jié)果相同。GD?曾長實質(zhì)GD林口名義GDP®常是不等的（只有計算實質(zhì)GDP勺固定價格的基數(shù)

6、年相等），它們之間的關(guān)系是：實質(zhì)GDP名義GD。本地生產(chǎn)總值平減物價指數(shù)（指以基期為100該期間的指數(shù)），名義GDP實質(zhì)GDP冰地生產(chǎn)總值平減物價指數(shù)；至于名義GDPt曾長率與實質(zhì)GDB曾長率的關(guān)系，則是名義GDB曾長率=（1+實質(zhì)GDZ曾長率）x（1+本地平減物價指數(shù)升幅）x100%-11+名義GDB曾長率實質(zhì)GDZ曾長率=X100%-11+本地生產(chǎn)總值平減物價指數(shù)GD的算有三種方法，即生產(chǎn)法、收入法、支出法，三種方法從不同的角度反映國民經(jīng)濟生產(chǎn)活動成果，理論上三種方法的核算結(jié)果相同。GDPK算范圍原則上包含了位于雄起市經(jīng)濟領(lǐng)土范圍內(nèi)具有經(jīng)濟利益中心的所有常住單位的經(jīng)濟活動。本分析中的年度G

7、D嗷據(jù)是由雄起市統(tǒng)計局負(fù)責(zé)核算的全市數(shù)據(jù)。四、指標(biāo)的意義（一）國內(nèi)生產(chǎn)總值GDP1核算體系中一個重要的綜合性統(tǒng)計指標(biāo)，也是中國新國民經(jīng)濟核算體系中的核心指標(biāo)。它反映一國（或地區(qū)）的經(jīng)濟實力和市場規(guī)模。一個國家或地區(qū)的經(jīng)濟究竟處于增長抑或衰退階段，從這個數(shù)字的變化便可以觀察到。一般而言，GD心布的形式不外乎兩種，以總額和百分比率為計算單位。當(dāng)GDP勺增長數(shù)字處于正數(shù)時，即顯示該地區(qū)經(jīng)濟處于擴張階段；反之,如果處于負(fù)數(shù)，即表示該地區(qū)的經(jīng)濟進(jìn)入衰退時期了。國內(nèi)生產(chǎn)總值是指一定時間內(nèi)所生產(chǎn)的商品與勞務(wù)的總量乘以“貨幣價格”或“市價”而得到的數(shù)字，即名義國內(nèi)生產(chǎn)總值，而名義國內(nèi)生產(chǎn)總值增長率等于實際國內(nèi)

8、生產(chǎn)總值增長率與通貨膨脹率之和。因此，即使總產(chǎn)量沒有增加，僅價格水平上升，名義國內(nèi)生產(chǎn)總值仍然是會上升的。在價格上漲的情況下，國內(nèi)生產(chǎn)總值的上升只是一種假象，有實質(zhì)性影響的還是實際國內(nèi)生產(chǎn)總值變化率，所以使用國內(nèi)生產(chǎn)總值這個指標(biāo)時，還必須通過GDFffi減指數(shù)，對名義國內(nèi)生產(chǎn)總值做出調(diào)整，從而精確地反映產(chǎn)出的實際變動。因此，一個季度GDFffi減指數(shù)的增加，便足以表明當(dāng)季的通貨膨脹狀況。如果GDFffi減指數(shù)大幅度地增加，便會對經(jīng)濟產(chǎn)生負(fù)面影響，同時也是貨幣供給緊縮、利率上升、進(jìn)而外匯匯率上升的先兆。（二）國內(nèi)生產(chǎn)總值是反映常住單位生產(chǎn)活動成果的指標(biāo)。常住單位是指在一國經(jīng)濟領(lǐng)土內(nèi)具有經(jīng)濟利益中

9、心的經(jīng)濟單位。經(jīng)濟領(lǐng)土是指由一國政府控制或擁有的地理領(lǐng)土，也就是在本國的地理范圍基礎(chǔ)上，還應(yīng)包括該國駐外使領(lǐng)館、科研站和援助機構(gòu)等，并相應(yīng)地扣除外國駐本國的上述機構(gòu)（國際機構(gòu)不屬于任何國家的常住單位，但其雇員則屬于所在國家的常住居民）。經(jīng)濟利益中心是指某一單位或個人在一國經(jīng)濟領(lǐng)土內(nèi)擁有一定活動場所，從事一定的生產(chǎn)和消費活動，并持續(xù)經(jīng)營或居住一年以上的單位或個人，一個機構(gòu)或個人只能有一個經(jīng)濟利益中心。一般就機構(gòu)（單位）而言，不論其資產(chǎn)和管理歸屬哪個國家控制，只要符合上述標(biāo)準(zhǔn)，該機構(gòu)在所在國就具有了經(jīng)濟利益中心。就個人而言，不論其國籍屬于哪個國家，只要符合上述標(biāo)準(zhǔn)，該居民在所在國就具有經(jīng)濟利益中心

10、。因為常住單位的概念嚴(yán)格地規(guī)定了一個國家的經(jīng)濟主體范圍，所以其對于確定國內(nèi)生產(chǎn)總值的計算口徑，明確國內(nèi)與國外的核算界限以及各種交易量的范圍都具有重要意義基于以上種種，GDP勺預(yù)測對我市各方面顯得尤為重要。本文針對雄起市1978-2015年間的GDP分析其時間序列，并進(jìn)行了相關(guān)預(yù)測。模型概述隨機時間序列分析模型分為三種類型：自回歸模型（Auto-regressivemodel,AR）、移動平均模型（MovingAveragemodel,MA和自回歸移動平均模型（Auto-regressiveMovingAveragemodel,ARMA）ARIMAS型全稱為差分自回歸移動平均模型，簡記為ARIM

11、A是由博克思和詹金斯于70年代初提出的一著名時間序列預(yù)測方法，所以又稱為box-jenkins模型、博克思-詹金斯法。其中ARIMA（p,d,q）稱為差分自回歸移動平均模型，AR是自回歸，p為自回歸項；MA為移動平均，q為移動平均項數(shù)，d為時間序列成為平穩(wěn)時所做的差分次數(shù)。所謂ARIMA真型，是指將非平穩(wěn)時間序列轉(zhuǎn)化為平穩(wěn)時間序列，然后將因變量僅對它的滯后值以及隨機誤差項的現(xiàn)值和滯后值進(jìn)行回歸所建立的模型。ARIMA真型根據(jù)原序列是否平穩(wěn)以及回歸中所含部分的不同，包括自回歸過程(AR)、移動平均過程(MA、自回歸移動平均過程(ARMA以及ARIMAS程。(一)自回歸過程模型AR(p)如果時間序

12、列yt滿足：yt=如9+.+如"p+a其中：也是獨立同分布的隨機變量序列，并且對于任意的t,E('t)=0,Var(&)=oS>0,則稱時間序列yt服從p階自回歸模型，記為AR(p)。(二)移動平均過程模型MA(q)如果時間序列yt滿足：yt=a-0iet-1-0q£t-q則稱時間序列yt服從q階移動平均模型，記為MA(q)。*也且是q階移動平均模型的系數(shù)。(三)自回歸移動平均過程ARMA(p,q射型如果時間序列yt滿足：yt=*iyt-l+-+*pyt-p+st-0lSt-1-0qSt此模型是模型AR(p)與MA(q)的組合形式，記作ARMA(p,q

13、)0當(dāng)p=0時,ARMA(0,q)=MA(q);當(dāng)q=0時，ARMA(p,0)=AR(p)。表3-1ARMA模型特征模型自相關(guān)系數(shù)偏自相關(guān)系數(shù)AR(p)拖尾P階截尾MA(q)q階截尾拖尾ARMA(p,q)拖尾拖尾(四)ARIMA(p,d,q)過程模型對于非平穩(wěn)序列，經(jīng)過幾次差分后，如果能得到平穩(wěn)的時間序列，就稱這樣的序列為單整序列。設(shè)乂是d階單整序列，記作：小1(d)。如果時間序列"J經(jīng)過d次差分后是一個ARIMA(p,q)過程，則稱原時間序列是一個p階自回歸、d階單整、q階移動平均過程，記作ARIMA(p,d,q),其中d代表差分的次數(shù)。(五)ARIMA模型預(yù)測的基本程序差分平穩(wěn)序

14、列在經(jīng)過差分后變成平穩(wěn)時間序列，之后的分析可以用ARMAK型進(jìn)行，差分過程加上ARMAS型對差分平穩(wěn)序列進(jìn)行的分析稱為ARIMA真型?；境绦驗椋?1)根據(jù)時間序列的散點圖、自相關(guān)圖和偏自相關(guān)圖，以及ADF單位根檢驗觀察其方差、趨勢及其季節(jié)性變化規(guī)律，識別該序列的平穩(wěn)性。(2)數(shù)據(jù)進(jìn)行平穩(wěn)化處理。如果數(shù)據(jù)序列是非平穩(wěn)的，則需對數(shù)據(jù)進(jìn)行差分處理。對數(shù)據(jù)進(jìn)行對數(shù)轉(zhuǎn)換可以減低數(shù)據(jù)的異方差性。(3)根據(jù)時間序列模型的識別規(guī)律，建立相應(yīng)的模型：若平穩(wěn)時間序列的偏相關(guān)函數(shù)是截尾的，而自相關(guān)函數(shù)是拖尾的，則可斷定此序列適合AR模型；若平穩(wěn)時間序列的偏相關(guān)函數(shù)是拖尾的，而自相關(guān)函數(shù)是截尾的，則可斷定此序列適合

15、MA模型；若平穩(wěn)時間序列的偏相關(guān)函數(shù)和自相關(guān)函數(shù)均是拖尾的，則此序列適合ARMA1型(4)進(jìn)行參數(shù)估計。(5)進(jìn)行模型假設(shè)檢驗。(6)進(jìn)行模型預(yù)測。圖3-1ARIMA模型預(yù)測的基本程序圖分析瞌聚Im:用雙宗值守M模型建立1、數(shù)據(jù)的選擇1978-2015年雄起市GDP勺絕對值和增長速度的數(shù)據(jù)年份GDP增速197815561111.6519791761612.811980183131.951981188561.2019822247319.04198321474-4.3219842388517.0519852712414.2319863142412.2919873465812.39198838852

16、12.421989470973.731990505755.571991543873.2519927487716.1319938070513.5219949063311.0619951082659.3319961143738.8519971234047.4719981287375.19199914793610.70200016824010.80200118886011.00200221327912.00200324209313.10200428195012.80200533168715.00200639091215.10200747858115.15200856967411.5020096224

17、2614.30201075532015.20201193538519.702012110164815.4020131268310115.872014153921215.402015171671213.90數(shù)據(jù)來源：雄起市1978-2015年統(tǒng)計年鑒2、平穩(wěn)性檢驗及修正對歷年雄起市GDP色對值進(jìn)行平穩(wěn)性檢驗。I利用Eviews軟件畫出時序圖，如圖一、對雄起市GDP勺增長速度進(jìn)行平穩(wěn)性檢驗,平穩(wěn)的時間序列可以看做一條圍繞其均值上下波動的曲線。若時間序列的統(tǒng)計規(guī)律隨著時間的位移而發(fā)生變化，則為非平穩(wěn)序列。性，需要進(jìn)行平穩(wěn)化處理。首先對原始數(shù)據(jù)取自然對數(shù)，降低數(shù)據(jù)的異方差性,令Y=lnX,所得結(jié)果繪制

18、時序圖，見（圖二），Y（圖二）、原始數(shù)據(jù)的對數(shù)時序圖可以看到序列仍然有明顯上升趨勢，即是雄起市GD嗷列取對數(shù)后仍然具有很強的非平穩(wěn)性。繼續(xù)做其自相關(guān)檢驗，如（圖三）：自相關(guān)圖OateOG/22/16Time:19:19sample:19782015incluaeclobservatlions:38AutocorrelationPartialCorrelationACpaca-STatProb10.921O9213.855OOOO2O.8<2-0.044©4.773OOOO3D.7S3-0.04290.028OOOO40.681-0.062110.75OOOO50.602-0.0

19、27127.4©0.00060.523-0.055KO.450.00070.447-0.032150.240.00080.370-0.056157.170.00090.297-0.030161.790.0001O0.228-0.0281©4.620.000110.1S3-0.037166.110.000120.103-0.020166.730.000130.045-0.040166.860.00014-OOd1-0.050166.860.00015-0.059-0.002167.IO0.00016-0.106-0.046167.870.00017-0-149-0.03516

20、9.480.00018-0196-0.019172.120.00019-0-225-0.063176.170.000200.263-0.05718202D.OOO（圖三）、對雄起市GDP色對值取對數(shù)后進(jìn)行自相關(guān)檢驗圖通過觀察（圖三），可以看出自相關(guān)圖呈拖尾性，為不平穩(wěn)時間序列。（3）對GDP色對值取對數(shù)后進(jìn)行一階差分，并對差分后的序列d（x進(jìn)行單位根檢驗。一階差分后的時序圖，如（圖四）：（圖四）、一階差分后的時序圖從（圖四）大致看出，一階差分后，序列波動在某個數(shù)值上下波動，可能是平穩(wěn)序列。為進(jìn)一步判斷其為平穩(wěn)序列，繼續(xù)做其自相關(guān)檢驗，如（圖四）Date:OS/22/i©Time:19

21、:21Sample:19782015Unczlucieclotiserv；ations-37AutQcorr*&lotion尸rti印CorrelationACPACRpr>l1id>i-0.04-0-0.00O0646O7991'p1p之0.0340.033CL11之7O.SI4S1k.d口.3930.397ft6G93O.OS3,1113i4O.O3Q00777©7O9S口T52'ai匚i5-0.058-0.1OO15-8&O90.231i|i1Ui&-O020一0222S8790O332inizr17PJBB0.19S.233

22、00.31211I11B-D032O097Q2s47O4.061cy-0.3180.31513_484O.1421=l1Ir1oO136-O068十4476O.1S2'匚1IE11一口.118-0.09615.2430.1711匚I二1-0.14.7O17816492OT產(chǎn)。1iiZU1131190.196H7.3480.184'caj匚fc140.071-0.113"559.2221Z1Ii15口.O083i8764.11iZl1&0.042OLIN口18.88&0.275Iili17-O032-0口03-189iS9O311i匚1SO111-0.1

23、2519.8970.3391二ilZDi19O427O50T1S3O327'iI白20-OO54-0.1ISN1.4300.372（圖四）、對雄起市GDP勺絕對值一階差分后進(jìn)行自相關(guān)檢驗圖根據(jù)（圖四）可判斷該序列可能為平穩(wěn)序列，為了更加準(zhǔn)確的判斷一階差分后的序列是否為平穩(wěn)序列，下面對差分后的序列進(jìn)行單位根檢驗。NullHypomeslsiNnaeaunitrootExogenous:Constanti_aaLenatn：o(Automatic-oaseaonsic.maxiaoi=s>>t-StatisinEiF*rotu,*AmimEnted口iczkay-Eiuiill

24、uta石t與Hati與tic一片_0占3935。一?？?。口TestcriticalviuesTi-I&v&i-3.61之67"辱45%level-2.O45S4S力口/IwyeI-2.SI1MlaoKirinori(IQiQe，Cimg一后idb白日口一w13lu百臺.AugmentedDicKey-FulIerTestEcLjs.tionD&penOnt¥與廠iwtfwlD£W)Metnod:L_eaistSquaresDate:06/22/10"Time:19:21samplecsdjustetJj:n9802015lociu

25、dd注arvdtinn二一3©有ftQradju若tm白門工白R-squarecJAcJjkJe1/日dR-占du3r百日SEofregre-s&ioniSumQuairedlresidl_ogIik;elihoodF-jBtfitistiicRroE>CF-statisticJ0.519S7SO5O5449OOG6449口J5cM2747.554423©771310.000001MeancJepeodentva)rsD.曰。n白口已白nty苴rAk:aik:einfac_riterianScnwsrs.arjiterioniHla.nnain-Q'u

26、iitinncriter-OurE?in-vwQtson與twt一口口?？?140.094490-2530BOUN44N&N8-S.500096r94van口r>i。CocimicicntSlc!Errortstait*Silo尸rodN5>一r240之32O1T1-606395OOOOO0.0000cO132339Q.ON4534S.39-4OS4（圖五）一階差分的單位根檢驗由單位根檢驗結(jié)果可知，ADF根檢驗T統(tǒng)計量的值為-6.063935，比置信水平1%5咐口10%勺臨界值的絕對值都要大，除此之外，P值遠(yuǎn)遠(yuǎn)小于0.05,由此得出一階差分后的序列為平穩(wěn)序列，下一步進(jìn)行模型

27、建立及參數(shù)檢驗。模型的建立與參數(shù)估計根據(jù)一階差分后的自相關(guān)圖和偏自相關(guān)圖來對模型進(jìn)行識別。對模型的p值和q值進(jìn)行篩選用Eviews軟件作出直到滯后20期的ACF和PACE®,（圖四）。從（圖四）中根據(jù)拖尾和截尾的情況來看，由圖可以看出，一階差分后序列的自相關(guān)系數(shù)在滯后二期后呈衰減趨于零，表現(xiàn)為拖尾性；在偏自相關(guān)分析圖中，滯后二期的偏自相關(guān)系數(shù)顯著不為零，但之后逐漸衰減趨于零，也可以認(rèn)為序列的偏自相關(guān)系數(shù)也具有拖尾性，因此階數(shù)p,q可由顯著不為零的自相關(guān)系數(shù)和偏自相關(guān)系數(shù)的數(shù)目來確定為p=1,2;q=1,20考慮p=2,q=2時，檢驗ARIMA(2,1,2)模型較好。OndentVar

28、lable:ZMethoci:LeastSquaresDate:06/22/16Time:19:55Sample(adjusted):19812015includedobservatiiansi：35afteradjuslmentsConvergenceachievedafter12literationsIMABackcast19791980VariableCoefficientStd.Errort-StatisticProb,C0.1399490.0181827.6969030.0000AR(1)1038187365508203492100081AR(2>-0.2450S10.3420

29、33-0714S6904802MA(1>-1.29323110.301393-429085000002MA(2)0.6204650.2788032225464O0337R-squarediAdjustedR-squaredS.E.ofregressionSumsquaredresidLoglikelihoodF-statistlcProbiF»statistic)020S868.1011170.061343112888507294719561800.126849MeandependentvarS.D.dependentvarAkaikeinfocriterionSchwarzc

30、ntenonHannan-Quinnenter.Durbir-Watsonslat01297300064701-2613113-2.3009-20-25364122005096inveitedARRoots.67.37InvertedMARoots6&-45i.65+.45ii（圖六）ARIMA（2,1,2）模型建立圖為檢驗該模型是否正確，需進(jìn)行殘差檢驗，如（圖七）Date:6Time:19:S6Sample:19792015IncludedoDseirvations:35AutocorreIationPartiaICorrelationACPACQ-&tatProbip1i口

31、ITO167QU10668302«C1«E2-O068-009912509O535«LJ1匚3-O167-014323628O497i|1In4l-0043QQD424615O652i1iii5-OOOH-001724L615O782im1-'6Q,2Q90/1964<0340,622i口1i匚i7-O102-0195B8T60674i口i1i£-0113-0.04.150.703ii1hQ01640.26.66833SO654ii匚i1ODO4L.4-0-10469332O732iEZ'iUi11-O172-O_2O68,5275

32、O.6G5i匚ii12-0141-O-OG59J5491CL547ii13-D.O3SO.OS39.7332O_710iii|ii40.011-0.0249.7404O-7S1ioi150.133-0.06310.880iiIS-0.0030.0201D.88O0.817iDiii17一口.05®O-11011.1050.851IDI匚18-0.065-0.13111.4290.875I1lci0.010-0.0751143S0.908ElIh,NO-DO4-10.05911.5790.930（圖七）殘差自相關(guān)檢驗圖根據(jù)（圖七）可知，ACFffiPAC楮B在虛線以內(nèi)，由此得出該序列為白噪聲序列，原假設(shè)建立的模型成立。最終選定時間序列乙的模型ARIMA（2,1,2）,模型表達(dá)式如下所示：Zt=0.1399491.03618Zt一0.245Z812;t-1,2932310.6204|65（門可以推出時間序列