arima模子，差分整合移动平均自回归模子，又称整合移动平均自回归模子（移动也可称作滑动），是时间序列预测阐明要领之一。那么arima模子的建模步骤有什么呢？
1、单元根检讨，确定单整阶数。由单元根检讨的案例阐明可知，GDP时间序列为2阶单整的。即d=2。通过2次差分，将GDP序列转化为平稳序列。操纵序列来成立ARMA模子。
2、模子辨认。确定模子情势和滞后阶数，通过自相干系数（AC）和偏自相干系数（PAC）来完成辨认。起首将GDP数据输入Eviews软件，检察其二阶差分的AC和PAC。打开GDP序列窗口，点击View按钮，呈现下来菜单，选择Correlogram。打开相干图对话框，选择二阶差分（2nddifference），点击OK，获得序列的AC和PAC。序列的自相干系数（AC）在1阶截尾，偏自相干系数（PAC）在2阶截尾。因此判断模子为ARMA模子。
3、建模。由以上阐明可知，成立模子。起首将GDP序列举行二次差分，获得序列。然后在Workfile事情文件簿中新建一个方程对话框，接纳列表法的要领对方程举行界说。自回归滞后项用ar暗示，移动平均项用ma暗示。本例中自回归项有两项，因此用ar（1）、ar（1）暗示，移动平均项有一项，用ma（1）暗示，点击确定。从拟合优度看，模子拟合效果较好，DW统计量为2.43，各变量t统计量也通过显著性检讨，模子较为抱负。对残差举行检讨，也是平稳的，因此判断模子成立正确。
以上就是关于arima模子的建模步骤有什么的所有先容了。
