Question

请各位大大帮忙看看eviews中的ACF图 如何确定ARMA模型的（p,q)

Answer 1

1. 确定ARMA模型的（p，q)：查看自相关、偏相关系数图，获取其截尾特点，从而确定p和q。另外根据Box-Jenkins建模方法，可以初步设定模型为ARMA（n，n-1），即自回归部分的阶数比滑动平均部分阶数高一阶。p和q阶是代表数列的阶数，也即“εt2 = a0＋a1εt－12 ＋a2εt－22 ＋ …… ＋ aqεt－q2 ＋ηt t ”数列中类似“a0＋a1εt－12”的个数。

2. ARMA 模型：自回归滑动平均模型是研究时间序列的重要方法，由自回归模型（简称AR模型）与滑动平均模型（简称MA模型）为基础“混合”构成。在市场研究中常用于长期追踪资料的研究，如：Panel研究中，用于消费行为模式变迁研究；在零售研究中，用于具有季节变动特征的销售量、市场规模的预测等。
   

Answer 2

你这个图的p值都是小于0.05的，数据不平稳，还得进行差分处理，直到数据平稳，然后再看ACF和PACF取值。

Answer 3

ARMA模型阶数需要同时看ACF和PACF两张图，理论上以PACF截断阶数判断AR阶数，以ACF截断阶数判断MA阶数，但实际上一般ACF和PACF图都是无限拖尾的，这时一般先尝试ARMA(1,1)，如果残差能够通过平稳性检验就采用这个模型，如果不能通过，则尝试ARMA(1,2)和ARMA(2,1)。99%的情况下，ARMA的阶数不会超过3阶。

此外，需要注意数据平稳性问题、数据季节周期问题等，如果数据不平稳或者数据季节性因素未剔除，会对模型构建产生影响。

Answer 4

ARMA模型阶数需要同时看ACF和PACF两张图，理论上以PACF截断阶数判断AR阶数，以ACF截断阶数判断MA阶数，但实际上一般ACF和PACF图都是无限拖尾的，这时一般先尝试ARMA(1,1)，如果残差能够通过平稳性检验就采用这个模型，如果不能通过，则尝试ARMA(1,2)和ARMA(2,1)。99%的情况下，ARMA的阶数不会超过3阶。

此外，需要注意数据平稳性问题、数据季节周期问题等，如果数据不平稳或者数据季节性因素未剔除，会对模型构建产生影响。

从你的图来看，你没有剔除数据的季节因素影响，数据存在很强的周期性。

Answer 5

根据这个看不出来的
要根据不同阶数的arma模型的AIC或者BIC值来确定的