Eviews 中如何判断ARIMA模型的p和q

如何根据ACF和PAC图来判断ARIMA的p和q, 根据P和q建立几个回归比较

建立ARIMA(p,d,q)模型，都是先对时间序列进行单位根检验，并通过差分将非平稳序列化为平稳序列，其中d就是差分次数；然后对平稳序列的处理就与ARMA(p,q)模型差不多，一般可通过自相关系数和偏自相关系数确定p和q。一般而言，看自相关图和偏自相关图在几阶滞后开始截尾，则认为对应的q和p就为多少；若自相关图出现拖尾，而偏自相关图在p阶迅速截尾，则使用AR(p)模型；相反，若偏自相关图出现拖尾，自相关图在q阶迅速截尾，则使用MA(q)模型。
但是，在实际操作中，自相关系数和偏自相关系数是通过要识别序列的样本数据估计出来的，并且随着抽样的不同而不同，其估计值只能同理论上的趋势大致保持一致，并不能精确相同，所以在实际的模型识别中，自相关系数和偏自相关系数只能作为模型识别过程中的一个参考。具体的模型形式，还要通过自相关和偏自相关系数给出的信息，经过反复的试验及检验，最终选定。
你给出的图中，自相关图存在明显的四阶拖尾，所以可以认定该序列仍存在着一定的季节性，换句话说它是非平稳的，那么就不能通过这张图来确定模型形式。

自相关AR(-4),AR(-8),AR(-12),AR(-16)，偏自相关MA(-1),MA(-2),MA(-3)。

lsf614 发表于 2016-3-30 19:24
自相关AR(-4),AR(-8),AR(-12),AR(-16)，偏自相关MA(-1),MA(-2),MA(-3)。

难道不是AR(p)看偏自相关图，MA（q）看自相关图吗，晕了

最好用AIC（赤池信息量准则） 判断用几个p, 几个q，光看这个图太主观了看不出什么。eviews软件有自带这个功能的，用这个判断比较好。

百年-树人 发表于 2016-4-2 16:10
建立ARIMA(p,d,q)模型，都是先对时间序列进行单位根检验，并通过差分将非平稳序列化为平稳序列，其中d就是差 ...

那需要用AIC和SC准则来判断吗，如果用季节调整以后，自相关拖尾，偏自相关在第六期截尾了，可以直接用AR模型吗，如图所示

重楼当歌 发表于 2016-4-3 14:17
那需要用AIC和SC准则来判断吗，如果用季节调整以后，自相关拖尾，偏自相关在第六期截尾了，可以直接用AR模 ...

赤池准则主要是逐步调整p、q值，比较它们对应的AIC值，来选择更优的p、q值，当然前提是这些p、q值都通过了各种显著性检验。
这个是你平稳后得到的序列的相关图？可以看出自相关图是拖尾的，而偏自相关图属于1阶上的迅速截尾，而且p值的显著性检验是通过的，所以可以尝试建立相应的ARIMA模型

百年-树人 发表于 2016-4-3 21:05
赤池准则主要是逐步调整p、q值，比较它们对应的AIC值，来选择更优的p、q值，当然前提是这些p、q值都通过了 ...

这里p=1，q=0，d的话看你进行了几阶差分，建立了相应的模型后，你也可以看看模型残差的自相关图，如果模型拟合很好，其残差应该不存在序列相关。
当然，如果原序列不是一个一阶单整序列（这个通过单位根检验可以得到检验），你也可以尝试对原序列去对数之后再看其是几阶单整。
推荐你可以看看高铁梅编的《计量经济分析方法与建模：EViews应用及实例（第二版）》

百年-树人 发表于 2016-3-30 18:53
建立ARIMA(p,d,q)模型，都是先对时间序列进行单位根检验，并通过差分将非平稳序列化为平稳序列，其中d就是差 ...

                               
        AC          PAC         Q-Stat         Prob
                               
1        -0.522        -0.522        46.358        0.000
2        0.094        -0.246        47.865        0.000
3        0.007        -0.089        47.873        0.000
4        -0.071        -0.124        48.744        0.000
5        -0.052        -0.220        49.221        0.000
6        0.152        0.000        53.260        0.000
7        -0.109        -0.026        55.373        0.000
8        -0.003        -0.104        55.375        0.000
9        0.079        -0.004        56.488        0.000
10        -0.171        -0.173        61.772        0.000
11        0.187        0.021        68.127        0.000
12        -0.129        -0.085        71.154        0.000
13        0.133        0.076        74.400        0.000
14        -0.109        -0.024        76.611        0.000
15        0.084        0.025        77.935        0.000
16        -0.236        -0.257        88.369        0.000
17        0.315        0.071        106.99        0.000
18        -0.107        0.150        109.15        0.000
19        -0.024        0.026        109.26        0.000
20        0.043        -0.015        109.61        0.000
21        -0.078        -0.037        110.79        0.000
22        0.064        0.094        111.59        0.000
23        0.018        0.100        111.66        0.000
24        -0.044        -0.035        112.04        0.000
25        -0.026        -0.031        112.18        0.000
26        0.079        -0.004        113.42        0.000
27        -0.130        0.016        116.81        0.000
28        0.110        -0.032        119.25        0.000
29        -0.079        -0.050        120.53        0.000
30        0.138        0.101        124.42        0.000
31        -0.076        0.071        125.62        0.000
32        0.029        0.046        125.80        0.000
33        -0.085        0.003        127.33        0.000
34        0.049        -0.023        127.84        0.000
35        0.044        0.042        128.27        0.000
36        -0.103        -0.091        130.57        0.000
        你好我之前使用的是季度数据，发现结果不理想，我后来改用月度数据，经过了季节调整的后的图，能再帮忙看看吗，谢谢，图片发不上来了，我只发了数值，谢谢