CPI的时间序列分析(9)

CPI的时间序列分析,eviews~~

5.2.2问题2 CPI的建模与预测

（1）模型的识别

由于该模型的所需数据与问题1中的一样，所以我们仍旧使用

SARIMA(1,1,2)(1,1,1)12模型进行建模。

（2）模型的参数估计

使用Eviews3.1软件【5】对模型SARIMA(1,1,1)(1,1,1)12进行参数估计，如表5所示：

(1 0.48B)(1 0.98B12)(1 B)(1 B12)lnyt (1 0.54B)(1 0.86B12)et （3）模型的诊断与检验

我们对模型2的残差序列进行Q检验，检验结果如图9所示：

图9 模型2的残差序列的Q检验

由图9可知，阶数从5开始，Q统计量对应的概率都基本大于置信水平0.05，即不能拒绝残差序列{et}为白噪声序列的假设，从而可以肯定该SARIMA模型通过了检验，即模型2是有效的。 （4）模型的预测

接下来，我们使用模型2对CPI定基指数进行样本内预测，预测结果如图10所示。观察图10可知，样本内数据的预测值与真实值非常接近，即我们的模型具有较好的拟合效果。