CPI的时间序列分析,eviews~~

图7 模型1的残差序列的Q检验

由图7可知，阶数从6开始，统计量Q对应的概率都远大于置信水平0.05，即不能拒绝残差序列{et}为白噪声序列的假设，从而可以肯定该SARIMA模型通过了检验，即模型1是有效的。

接下来，通过对SARIMA(1,1,1)(1,1,1)12进行拟合，可以得到拟合值和真实值的时序图（如图8），该图显示出拟合值和真实值之间有较好的拟合效果。同时，通过对表4的分析，我们发现变量{Oilt}的相伴概率为0.0136，小于置信水平0.05，说明变量{Oilt}对CPI的影响是显著的，从统计上说明石油因素对我国的CPI影响是不可忽略的。

图

8