持续创作，加速成长！这是我参与「掘金日新计划 · 6 月更文挑战」的第3天，点击查看活动详情
【实验目的及要求】
1．掌握ARMA模型的识别 2．掌握ARMA模型的建模步骤 3．掌握ARMA模型的建模应用
【实验过程】（实验步骤、绘图、记录、数据、分析）
操作命令： x c ar(1) ar(2)…ar(p) ma(1) ma(2)…ma(q)结果对应模型：
1、实验问题
选择合适的ARMA模型你和1880-1985年全球气表平均温度改变值差分序列，全球气表平均温度改变值序列数据A1_9。
2、实验结果及分析
2.1.画时序图
图1 时序图
平稳性检验（单位根检验）
图2 单位根检验结果 在显著性水平为0.05下，p<0.05,该序列为平稳性序列
2.2.纯随机性检验
图3 相关分析结果
在显著性水平为0.05下,p<0.05,该序列为非纯随机序列
2.3.识别模型（自相关图和偏自相关图特征）
如图3可知，自相关系数，偏自相关都具有拖尾性。 选择ARMA（1）模型
2.4.参数估计
图4 估计方程结果
ARMA(1)模型:
2.5.参数检验
在显著性水平为0.05下，p<0.05,故参数通过检验。
2.6.模型检验：残差诊断
图5 残差诊断结果 在显著性水平为0.05下，p>0.05 是纯随机序列，模型通过检验。
2.7.拟合和预测
图6 预测结果
