本文主要内容：
1、ARMA模型方程的理解推导
2、模型在Eviews如何操作
3、模型对应的Eviews结果如何书写
最近看书才发现之前用Eviews操作时间序列模型的时候，在操作和模型结果方程的表达上有不少问题，今天小编就这些问题做一个分析和总结。
1、针对问题1的回答
需要知道的是，我们建立的时间序列模型，是在各类模型中都已剔除了所有确定性成分，即不含有均值项、时间趋势项。（这个我之前学习的时候没注意到）
一个具体例子和一般表达式为例
具体例子---以漂移项非零的平稳过程为例
（[https://www.codecogs.com/latex/eqneditor.php](在线 LaTeX 公式编辑器)，这个网站和简书的公式代码语法兼容，推荐使用）
设有非零漂移项平稳 ARMA(2,1) 的过程如下，
(1)，
漂移项为0.05，对上式求期望并移项后得到，
，
所以的期望是
，
其中是自回归特征多项式当
时的值。
式 用减去均值的方式，表达为：
上述过程在Eviews的模型方程书写的时候需要用到。
一般表达式
设有漂移项非零的平稳ARMA(p,q)过程如下，
（2），其中
是漂移项。
则期望是
由（3）可知， （4）
（5）
并且（2）和（5）等价，即任何漂移项非零的平稳过程都可以通过对序列先退均值（以及确定性成分），然后建立ARMA模型研究。
2、针对问题2和3的回答
以1960Q1-2012Q4某国失业率季度数据为例，展示Eviews操作。
2.1 判断平稳性
别看这勾勾弯弯的，他其实是平稳的序列。
Eviews分析给出，该序列是一个常数项不为0的平稳序列，符合ARMA模型的平稳性条件。
2.2 模型定阶
通过上图可以判断，偏相关系数2阶截尾，自相关系数拖尾，可初步估计该模型为AR(2)。
2.3 模型估计（今天的C位）
在Eviews里进行AR（2）的操作有两种方式，并且对应两种不同的方程表达式写法（但最终殊途同归）
2.3.1 Eviews AR模型估计操作方式1（按照回归思想）---quick- equation estimation
模型方程：
2.3.2 Eviews AR模型估计操作方式2（按照时间序列思想）---quick- equation estimation
以Eviews9 为的结果为例，书写模型方程（SIGMASQ稍后解释）
即
注：输出结果中的是unemp的均值，不是模型的漂移项。
的经济含义是1960Q1-2012Q4某国失业率的季度均值为6.084676。自回归系数AR(1)的经济含义是人口失业率序列unemp上一期的值平均以1.640403倍影响本期值。
写写停停，今天就到这儿了，最后一问，大家愚人节有开心了没？
