一般讨论的[ARMA]模型形式都存在序列均值为零的假设，否则应做必要的转换。进一步对序列进行零均值检验：
得到该序列样本的平均数是m=0.000468，均值的标准误s=0.057201，序列均值趋近于0（即与0无显著差异），表明该序列可以直接建立ARMA模型。通过了零均值检验后，最终选取以下[（p，q）]组合。
参数估计结果
在衡量预测偏差的指标中我们选择MAPE进行判定，通过筛选，[（p，q）]=（3，4）时的MAPE值最小，表示预测精度最高，（MAPE的取值范围在0-5之间精度极高，在10以内说明预测精度高）。同时我们看到Theil不等系数的取值也接近于0，所以表明了选择该模型的预测效果
由于LM统计量的取值为3.16，检验的相伴概率为0.28大于置信度0.05.所以不能拒接原假设，故残差序列不存在二阶自相关。故不会成为白噪声。即模型的建立是比较合理的。
（四）模型预测
通过取定置信水平在95%时，我们可以看到实际值处在置信区间中，这就说明了实际值是较为准确的。
四、结论与建议
（一）结论
本模型通过折线图和相关及偏自相关分析可以明显的看出该工业的增加值随时间的变化而增长，并且有明显的季节性变化通过消除平稳性和季节性并建立ARIMA模型最终预测出2013年增加值走势并且预测值也符合该工业增加值的增长趋势。预测得出的工业增加值均落在置信区间内，说明预测值较为精确。
（二）建议
一是由于数据的可靠性以及准确性，在选取的数据上存在一定的误差，但都尽量控制在合理的范围内。所以，还需要进一步的去消除误差，使得精确度更加精准。
二是模型模拟实验结果与实际情况可能不尽完全一致，而且在模型建立时，忽略了多种并未量化的影响因子，数据收集误差等因素。因此，不能完全准确的进行分析，模型仍需要修正和完善。
参考文献：
[1]易丹辉.数据分析与EViews应用[M].中国人民大学出版社.2008版
[2]姜启源.数学模型（第三版）[M].高等教育出版社.2003版
手机版
欢迎光临汇博在线http://www.paper188.com