ARIMA是\"自回归综合移动平均模型\"的英文缩写,是由Box和Jenkins于1970年提出的一种广泛使用的时间序列预测方法。
模型公式ARIMA(p,d,q)由三个核心部分组成:
AR(p) - 自回归部分,用于描述数据与过去值之间的依赖关系
I(d) - 差分阶数,通过差分使非平稳序列平稳化
MA(q) - 移动平均部分,刻画残差项的自相关性
?这一模型的独特优势在于:
?能够对非平稳时间序列建模,不受平稳性假设限制
?捕捉到数据的长期趋势 (趋势部分) 和短期波动 (周期部分)
?具备较强的预测能力,被广泛应用于经济、金融等领域
?本文中的ARIMA(0,1,0)模型:
该模型基于一阶差分,将非平稳的消费总额数据转换为平稳序列;
0阶自回归和0阶移动平均意味着当期值只与前期扰动项相关;
模型识别、参数估计和模型检验等步骤均体现了严格的建模过程。
?最终,该研究借助ARIMA模型成功预测出了铜仁市未来七期消费总额的上升趋势,有力支持了城市经济平稳发展的现实情况。
#spss #论文 #时间序列 #arima模型
模型公式ARIMA(p,d,q)由三个核心部分组成:
AR(p) - 自回归部分,用于描述数据与过去值之间的依赖关系
I(d) - 差分阶数,通过差分使非平稳序列平稳化
MA(q) - 移动平均部分,刻画残差项的自相关性
?这一模型的独特优势在于:
?能够对非平稳时间序列建模,不受平稳性假设限制
?捕捉到数据的长期趋势 (趋势部分) 和短期波动 (周期部分)
?具备较强的预测能力,被广泛应用于经济、金融等领域
?本文中的ARIMA(0,1,0)模型:
该模型基于一阶差分,将非平稳的消费总额数据转换为平稳序列;
0阶自回归和0阶移动平均意味着当期值只与前期扰动项相关;
模型识别、参数估计和模型检验等步骤均体现了严格的建模过程。
?最终,该研究借助ARIMA模型成功预测出了铜仁市未来七期消费总额的上升趋势,有力支持了城市经济平稳发展的现实情况。
#spss #论文 #时间序列 #arima模型
