EVIEWS操作各种模型学习

*注：Obs*R的P值很小，表明，残差序列存在自相关；为了识别AR模型的阶数，还需要做Q统计量检验与相关图；

3.Q统计量检验与相关图；

*注：需要建立AR（2）模型来消除自相关，也就是克伦迭代，需要在输入AR(1) AR(2) ；

31

4.AR(P)模型估计与残差检验

*注：由于常数项不显著，所以剔除常数项，重新估计；

*注：0.94与-0.38＜1，在单位圆内，表明：AR模型最终是平稳的。

32

5.对上图在进行LM检验

*注：图中Obs*R的P值较大，表示接受残差不存在自相关的原假设；所以：AR（2）模型估计有效； （二）序列平稳性检验 1.DF检验

DCPI3210-1-2-394969800020406 33

*注：一阶差分后：平稳；p165. 2.ADF检验

1.@做CPI线状图：有截距项，无明显趋势项；

CPI1301251201151101051009594969800020406 2.@做有截距项，无明显趋势的单位根检验；

34

3.一阶差分后结果：显示平稳；

35

（三）ARMA模型

（四）ARIMA模型 36