实验五ARIMA模型的概念和构造
一、实验目的了解AR，MA以及ARIMA模型的特点，了解三者之间的区别联系，以及AR与MA
的转换，掌握如何利用自相关系数和偏自相关系数对ARIMA模型进行识别，利用最小二乘法等方法对ARIMA模型进行估计，利用信息准则对估计的ARIMA模型进行诊断，以及如何利用ARIMA模型进行预测。掌握在实证研究如何运用Eviews软件进行ARIMA模型的识别、诊断、估计和预测。
二、基本概念所谓ARIMA模型，是指将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它
的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。ARIMA模型根据原序列是否平稳以及回归中所含部分的不同，包括移动平均过程（MA）、自回归过程（AR）、自回归移动平均过程（ARMA）以及ARIMA过程。
在ARIMA模型的识别过程中，我们主要用到两个工具：自相关函数简称ACF），偏自相关函数简称PACF以及它们各自的相关图（即ACF、PACF相对于滞后长度描图）。对于
一个序列Yt来说，它的第j阶自相关系数记作j定义为它的j阶自协方差除以它的
方差，即j＝j0，它是关于j的函数，因此我们也称之为自相关函数，通常记ACFj。
偏自相关函数PACFj度量了消除中间滞后项影响后两滞后变量之间的相关关系。
三、实验内容及要求1、实验内容：
根据1991年1月～2005年1月我国货币供应量（广义货币M2）的月度时间数据来说明在Eviews31软件中如何利用BJ方法论建立合适的ARIMA（pdq）模型，并利用此模型进行数据的预测。2、实验要求：（1）深刻理解上述基本概念；（2）思考：如何通过观察自相关，偏自相关系数及其图形，利用最小二乘法，以及信息准则建立合适的ARIMA模型；如何利用ARIMA模型进行预测；（3）熟练掌握相关Eviews操作。
四、实验指导1、ARIMA模型的识别（1）导入数据
打开Eviews软件，选择“File”菜单中的“NewWorkfile”选项，出现“WorkfileRa
ge”对话框，在“Workfilefreque
cy”框中选择“Mo
thly”，在“Startdate”和“E
ddate”框中分别输入“199101”和“200501”，然后单击“OK”，选择“File”菜单中的“ImportReadTextLotusExcel”选项，找到要导入的名为EX62xls的Excel文档，单击“打开”出现“ExcelSpreadsheetImport”对话框并在其中输入相关数据名称M2，再单击“OK”完成数据导入。（2）模型的识别
首先利用ADF检验，确定d值，判断M2序列为2阶非平稳过程（由于具体操作方法我们在第五章中予以说明，此处略），即d的值为2，将两次差分后得到的平稳序列命名为W2；下面我们来看r