相关文章链接

案例：基于ARIMA模型对螺纹钢价格预测——以南昌市为例

一、ARIMA模型的建模流程

第一.收集差分数据并用于制作差分时序图表和检验差分平稳性。第二,对差分非平稳性数据进行差分平稳化后的处理,差分d值的确定。第三,根据差分次数公式d,建立差分序列。第四,模型进行识别和定阶,利用自相关差分函数(ACF)和偏自相关方差函数(PACF)确定p阶和q阶。第五,模型参数的参数估计分析和适应性检验。第六,利用ARIMA(p，d，q)模型对系统进行预测。

图 ARIMA建模流程图

二、数据集

三、利用SPSS软件对ARIMA时间序列预测操作的基本步骤

1、确定数据

选择数据：南昌市从2015年1月起至2022年3月直径由内径16mm区间到直径25mm区间内的HRB400E钢材价格信息

2、导入数据

将收集到到原始数据导入SPSS软件中

3、定义时间日期

4、图像化观察

选择要显示的变量，此处是均价，时间轴标签选定义时间日期后的标签项，点击确定得到序列图。

序列图如下：

5、平稳性分析

ARIMA模型要求序列是平稳序列，因此要对数据进行平稳性分析。下面做螺纹钢价格序列的自相关图和偏自相关图。

自相关图：

偏自相关图：

从图中可以看出，序列的自相关图（ACF）和偏自相关图（偏ACF）大部分编 位于置信区间内部，说明序列是基本平稳的。

6、构建ARIMA模型

在【分析】中选择【时间序列预测】，选择【创建传统模型】。

在【变量】页面，选择方法：ARIMA；由上述ACF和PACF选定条件

在【统计】页面，根据自己需要勾选显示的数据；

在【图】页面，选自自己需要输出的图形数据；

在【保存】页面，勾选自己需要保存的内容。

7、输出结果

一阶差分后时序图：

预测结果：

文章知识点与官方知识档案匹配，可进一步学习相关知识算法技能树首页概览34530 人正在系统学习中