成功从选择开始,我们是您最好的选择!
学术论文网
您的位置: 主页 > 经济论文 > 经济理论 > 正文

ARMA模型的建立及应用

作者:学术论文网 来源:未知 日期:2021-05-02 21:30人气:

中国多年来的住宅销售价格,只有稳定的时间序列才能直接建立ARMA模型,必须检查序列的稳定性.

检查是否稳定的客观方法主要是单位根检查.

一、单位根检查的方法有很多种,本文主要利用ADF检查,其检查方程模型如下:

这三种模型分别没有常数项目和时间倾向的只有常数项目,没有时间倾向的只有常数项目和时间倾向.

其原始假设和设备选择假设分别为:.

根据商品住宅价格()的初步分析,选择第二个模型进行检查是合适的,选择滞后阶段p为3阶段.

利用Eviews计算,不拒绝原假设的概率为0.

9978,说明没有充分的理由拒绝原假设,明显参数显着为0的话,商社的价格序列就有单位的根,这个序列不稳定.

由于不稳定的数据无法建立ARMA模型,在建模前必须事先处理数据,使其成为稳定的时间序列.

本文从商品房价格增长率的变化分析,首先利用同样的方法对房价增长率序列进行稳定性检查,在95%的信誉水平下获得该序列为不稳定序列.

对商品房价格增速的一次性差评开展平稳性检测,ADF检测表明95%95%拒绝原假设,认为该序列不存在单位根.

说明序列顺畅,设置顺畅的序列.

二、模型的确立和应用

(一)模型的确立,利用EVIEWS软件分析序列的自关系数和偏离关系数,其系数在k=1后进入95%的信赖区间,因此模拟ARMA(1、1)模型比较合适.

因此,顺序的模型方程表现为:其中自回归系数AR的t值为-1.829,在0.01的显着水平上通过显着检查,移动平均MA系数的t值为16.532,显然也通过显着检查.

另外,由于序列是住宅价格增长率的序列,最后ARIMA(1、1、1)模型为:(2)模型的检查,本文对模型的估计是基于最小二乘估计(OLS),因此必须检查模型的差异是否有自己的关联性.

传统的DW统计量只能检查一阶段的自我关系,要求回归中有断路项,回归因子中没有说明变量的滞后项.

本文的ARMA模型显然不能用这种方法检查.

因此,利用Ljung-BoxQ的统计量,通过对残差的自关系数的要求和检查序列的关系.

Ljung-BoxQ统计量的表现式是,其中j期的自关系数,t是观测值的个数.

零假设这个序列是白色噪音,零假设下,服从分布.

其检查结果表明,q统计量的p值超过0.05的显着水平,说明不能拒绝原来的假设,因此认为这个差距序列是白噪音.

说明模型ARIMA(1、1、1)通过了检查.

三、结论和建议

利用Eviews计算,2009年商品住宅价格为4343.4元/m2,比2008年下降.

从模型的拟合效果来看,预测值与实际值的一致性很高,同时2009年的房价比2008年低,这表明中国宏观规制政策起着一定的作用.

针对现状,本文提出以下政策建议,缓解房地产销售价格快速上涨的趋势.

第一,根据许多购房者的需求,适当加大经济适用住房建设,限制高级住房,特别是别墅的盲目开发和大规模建设,加大小户型住房建设,满足中低收入者购房需求,缓解城市住房需求压力.

第二,根据房地产市场需求,增加土地有效供应,逐步建立梯度土地供应体系,尽可能满足不同层次的住宅需求.

同时改革现有的土地产权交易制度,促城乡内部大量库存和低利用土地进入市场.

网络客服:

咨询电话:18141115432    投诉建议:

招聘合作:876844202@qq.com(如您是期刊主编、文章高手,可通过邮件合作)

Copyright © 2002-22 学术论文网 版权所有   

【免责声明】:所提供的信息资源如有侵权、违规,请及时告知。

专业发表机构