arima模型的建模步骤有什么？

arima模型，差分整合移动平均自回归模型，又称整合移动平均自回归模型（移动也可称作滑动），是时间序列预测分析方法之一。那么arima模型的建模步骤有什么呢？

1、单位根检验，确定单整阶数。由单位根检验的案例分析可知，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。利用序列来建立ARMA模型。

2、模型识别。确定模型形式和滞后阶数，通过自相关系数（AC）和偏自相关系数（PAC）来完成识别。首先将GDP数据输入Eviews软件，查看其二阶差分的AC和PAC。打开GDP序列窗口，点击View按钮，出现下来菜单，选择Correlogram。打开相关图对话框，选择二阶差分（2nd difference），点击OK，得到序列的AC和PAC。序列的自相关系数（AC）在1阶截尾，偏自相关系数（PAC）在2阶截尾。因此判断模型为ARMA模型。

3、建模。由以上分析可知，建立模型。首先将GDP序列进行二次差分，得到序列。然后在Workfile工作文件簿中新建一个方程对话框，采用列表法的方法对方程进行定义。自回归滞后项用ar表示，移动平均项用ma表示。本例中自回归项有两项，因此用ar（1）、ar（1）表示，移动平均项有一项，用ma（1）表示，点击确定。从拟合优度看，模型拟合效果较好，DW统计量为2.43，各变量t统计量也通过显著性检验，模型较为理想。对残差进行检验，也是平稳的，因此判断模型建立正确。

以上就是关于arima模型的建模步骤有什么的全部介绍了。