其他回答

• log消除异方差性，当然对于时间序列来说异方差性不那么重要，你不做也罢了。单位根检验时间序列是否平稳，具体有ADF,DW,DFGLS,PP,KPSS,等检验方法。说明一点，单位根检验和时间序列平稳是是否平稳不等价，通过单位根检验有两种情况，一是平稳，二是趋势平稳。如果存在的是stochastictrend，不平稳就差分让其平稳，如果存在的是deterministictrend，就消除趋势项。具体操作的话建议用eviews来做，分别对deterministictrend，stochastictrend，unitroot进行检验你就可以确定时间序列到底是哪一种形式了。然后就不同情况不同处理。如果研究两个变量，不平稳就协整检验。变量之间存在协整关系时，建立ECM进一步考察短期关系。
  黄盛文2019-12-21 23:56:00
• 时间序列分析是根据系统观测得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。它一般采用曲线拟合和参数估计方法利用已通过检验的模型进行预测分析。
  黄甘霖2019-12-21 21:20:15
• 时间序列分析常用的方法：趋势拟合法和平滑法。1、趋势拟合法就是把时间作为自变量，相应的序列观察值作为因变量，建立序列值随时间变化的回归模型的方法。包括线性拟合和非线性拟合。线性拟合的使用场合为长期趋势呈现出线形特征的场合。参数估计方法为最小二乘估计。非线性拟合的使用场合为长期趋势呈现出非线形特征的场合。其参数估计的思想是把能转换成线性模型的都转换成线性模型，用线性最小二乘法进行参数估计。实在不能转换成线性的，就用迭代法进行参数估计。2、平滑法是进行趋势分析和预测时常用的一种方法。它是利用修匀技术，削弱短期随机波动对序列的影响，使序列平滑化，从而显示出长期趋势变化的规律。扩展资料时间序列分析的主要用途：1、系统描述根据对系统进行观测得到的时间序列数据，用曲线拟合方法对系统进行客观的描述。2、系统分析当观测值取自两个以上变量时，可用一个时间序列中的变化去说明另一个时间序列中的变化，从而深入了解给定时间序列产生的机理。3、预测未来一般用ARMA模型拟合时间序列，预测该时间序列未来值。4、决策和控制根据时间序列模型可调整输入变量使系统发展过程保持在目标值上，即预测到过程要偏离目标时便可进行必要的控制。时间序列分析。
  赵飞雪2019-12-21 21:01:51
• 1.用眼睛首先一个时间序列，他可能是有趋势的，是不平稳的。所以如果不平稳你要做差分，把趋势的因素抵消掉。这样，如你的图2，用眼睛目测就可以认为是一个平稳的时间序列。2.ACF，PACF观察是否稳定，并选定模型当然，目测只是目测，接下来要用ACF和PACF来进一步观察。ACF。用arima命令来拟合。并用AIC看哪个模型更好，AIC数值越小越好。R步骤ma1<-arimaaa,order=c0,0,1arma13<-arimaaa,order=c3,0,1AICma1AICarma13#AIC结果：AICma1943.8848ma1优于arma13。4.看看拟合好的模型的残差是否为白噪声R步骤acfresidma1#ma1的残差的自相关系数Ok大功告成。
  龙小艺2019-12-21 20:57:11
• 1、季节变动或称季节波动，是指某些现象由于受自然条件和经济条件的变动影响，而形成在一年中随季节变动而发生的有规律的变动。2、乘法模型和加法模型都是将形成时间序列变动的四类构成因素，按照它们的影响方式不同，设定的组合模型。乘法模型：Y=T·S·C·I加法模型：Y=T+S+C+I式中：Y：时间序列的指标数值T：长期趋势成分S：季节变动成分C：循环变动成分I：不规则变动成分3、季节因素的表述的不同在于：乘法模型是假定四个因素对现象的发展的影响是相互作用的，以长期趋势成分的绝对量为基础，其余量均以比率表示。加法模型是假定四个因素的影响是相互独立的，每个成分均以绝对量表示。
  黄盼盼2019-12-21 20:40:03