arima模型，差分整合移動平均自回歸模型，又稱整合移動平均自回歸模型（移動也可稱作滑動），是時間序列預(yù)測分析方法之一。那么arima模型的建模步驟有什么呢？

1、單位根檢驗(yàn)，確定單整階數(shù)。由單位根檢驗(yàn)的案例分析可知，GDP時間序列為2階單整的。即d=2。通過2次差分，將GDP序列轉(zhuǎn)化為平穩(wěn)序列。利用序列來建立ARMA模型。

2、模型識別。確定模型形式和滯后階數(shù)，通過自相關(guān)系數(shù)（AC）和偏自相關(guān)系數(shù)（PAC）來完成識別。首先將GDP數(shù)據(jù)輸入Eviews軟件，查看其二階差分的AC和PAC。打開GDP序列窗口，點(diǎn)擊View按鈕，出現(xiàn)下來菜單，選擇Correlogram。打開相關(guān)圖對話框，選擇二階差分（2nd difference），點(diǎn)擊OK，得到序列的AC和PAC。序列的自相關(guān)系數(shù)（AC）在1階截尾，偏自相關(guān)系數(shù)（PAC）在2階截尾。因此判斷模型為ARMA模型。

3、建模。由以上分析可知，建立模型。首先將GDP序列進(jìn)行二次差分，得到序列。然后在Workfile工作文件簿中新建一個方程對話框，采用列表法的方法對方程進(jìn)行定義。自回歸滯后項(xiàng)用ar表示，移動平均項(xiàng)用ma表示。本例中自回歸項(xiàng)有兩項(xiàng)，因此用ar（1）、ar（1）表示，移動平均項(xiàng)有一項(xiàng)，用ma（1）表示，點(diǎn)擊確定。從擬合優(yōu)度看，模型擬合效果較好，DW統(tǒng)計(jì)量為2.43，各變量t統(tǒng)計(jì)量也通過顯著性檢驗(yàn)，模型較為理想。對殘差進(jìn)行檢驗(yàn)，也是平穩(wěn)的，因此判斷模型建立正確。

以上就是關(guān)于arima模型的建模步驟有什么的全部介紹了。