应用时间序列new

《应用时间序列new》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、关于“海南省2003-2010年各月旅游人数时间序列分析”——《应用时间序列分析》研究报告学院：经济与管理学院班级：09统计1班姓名：李敏学号：20091701310008指导教师：张洪波日期：2011-06-09目录一、摘要…………………………………………………………………1二、数据收集与录入…………………………………………………1三、数据分析…………………………………………………………4（一）原始数据序列图及其平稳化过程……………………………41、原始数据序列图……………………………………………………42、一阶差分……………………………………………………………53、自相关与偏

2、自相关图………………………………………………54、季节差分……………………………………………………………6四、建立季节模型……………………………………………………7五、残差检验…………………………………………………………8六、预测模型…………………………………………………………9七、总结…………………………………………………………………10一、摘要关键词：文章通过对“海南省2003-2010年各月旅游人数”的数据进行时间序列分析。数据是来源于海南省旅游政务网的二手资料。另外，利用Eviews6.0软件进行分析。主要运用的方法有：一阶差分、季节差分，单位根检验、DW值检验、自相关与

3、偏自相关检验、ADF检验以及Q检验。最后对原始数据建立模型并进行预测讨论。结果表明预测结果满足精度要求，具有较强的实用性。二、原始数据的收集与录入（一）数据的收集数据的搜集来源于海南旅游政务网（二）数据的录入利用Eviews6.0软件进行数据录入的操作，如下图所示：一、数据分析（一）原始数据序列图及其平稳化过程1、原始数据序列图首先对查看原数据的序列图，并记该序列为X：由图可知，该数据具有长期性和周期性的波动，对其进行单位根检验，如下图所示：从单位根检验结果可判定X序列不平稳。应对其进行一阶差分。1、一阶差分对X序列进行平稳化处理，一阶差分后的序列记为X1,如下图所示。由图X1看

4、出，数据大体落在0的范围内，可判定X1序列是平稳的。2、自相关与偏自相关图X1序列的自相关函数（ACF）和偏自相关函数(PACF)如下图所示。由P值可以看出，应对其进行季节差分。1、季节差分季节差分后的X1序列记为X2序列，如下图可示，可以看出，自相关函数与偏自相关函数均出现拖尾性。因此，初步可以对其拟合ARMA模型：一、建立季节模型由下表知，该序列的季节模型为：五、残差检验对上面建立的ARMA模型进行残差检验，如下图所示。显然，最终模型残差检验结果表明，该残差的自相关函数均落在两倍标准差内。因此，该模型是适应的。六、预测模型下图是由原始数据模型预测2003-2011年各月旅游人

5、数的相关数据与图示。可看出，预测结果基本拟合模型。另外，下图是2003-2010年旅游人数序列图（X）年与2003-2011年旅游人数序列图(XF)的比较。由图可看出，两序列存在一定的相关性。预测结果拟合较准确。七、总结由分析和预测的结果可以看出，2003-2010年海南省各月旅游人数具有一定的波动性。另外，预测的结果吻合度较强，说明ARMA模型具有一定的记忆性。运用Eviews进行时间序列分析具有较强的实用性。针对过去的旅游人数进行预测，对一个地区或者国家的旅游事业的发展具有一定的借鉴作用。