Eviews软件中有关ARIMA模型的介绍(3)

相关图

相关图可以对指定多个时期比较结构残差以及所估计模型的残差的自相关类型， (结构上的残差是除去外生回归量效应，但是没除去ARMA项的残差)。

对于一个正确建立的模型，残差和理论（估计的）自相关和偏自相关应该是“接近的”。 要进行比较，只需选择Correlogram diagnostic(相关图诊断)，指定要加以评估的滞后阶数，并显示格式（图或表）

在这里，我们指定了比较24期/滞后图形。图表根据所估计的ARMA参数划分画出了样本的结构残差的自相关和偏自相关图。如果所估计的ARMA模型是不平稳的，则仅画出结构残差的样本二阶矩。

表所显示的数值为来自理论估计的每一个二阶矩和它们之间的差。如果所估算的ARMA模型是不平稳的，根据所估计的ARMA模型的参数而得到的理论上的二阶矩将用NA填充。 请注意，表视图从滞后项为0开始，而从图查看滞后项从1开始。

瞬时响应

ARMA模型的瞬时响应描绘了所估计方程的ARMA部分对新息刺激的响应

一个瞬时响应函数描绘了新息序列的一次震动带来的响应。累积的响应是瞬时响应累积和。它可以被解释为对每一时期都发生的相同震动的分步响应。

计算瞬时响应（响应累积） ，选择Impulse Response diagnostic(瞬时响应诊断)，输入周期

数，并显示类型，并确定了冲击。对于后者，你可以选择使用标准差冲击（使用估计方程中的回归标准差）或提供一个用户指定的值。请注意，如果您选择一个标准差冲击，在估计标准差的响应时，EViews将考虑新息序列的不确定性。

如果估算的ARMA模型是平稳的，瞬时响应将渐近于零，而积累的响应将渐近于其长期值。这些渐近值将用图形显示为虚水平线

对于一个具有高度持续接近单位根的平稳过程，图表不画渐近线。对于表，可以在下方的表格看到渐近值（连同其标准差）。如果被估计的ARMA过程并不平稳，将不会显示渐近值，因为它们根本不存在。

Q-统计量

如果ARMA模型拟合恰当，模型的残差应该接近白噪声。这意味着，残差中不应该存在序列相关。回归输出报告里的杜宾一沃森统计量是检验AR(1)的，当右侧没有滞后因变量。正如相关图和Q-统计量里所讨论的，更普遍的关于残差的序列相关性检验可以按如下步骤实施，View/Residual Tests/Correlogram-Q-statistic(查看/残差检验/相关图- Q统计量)以及View/Residual Tests/Serial Correlation LM Test....(查看/残差检验/序列相关LM检验....)

例如，对于季节性的ARMA模型，12期残差相关图如下：

相关图在滞后项为5时有显著上升，并且其后所有Q-统计量高度显著。这一结果清楚地表明，需要重新选择模型。

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库Eviews软件中有关ARIMA模型的介绍(3)在线全文阅读。