eviews數(shù)據(jù)統(tǒng)計(jì)與分析教程8章(編輯修改稿)
2025-06-16 21:48 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 xt2 + … + ?p xtp+ ut 其中，參數(shù) c為常數(shù)； ?1， ?2， … ， ?p為自回歸模型的系數(shù)，是待估參數(shù)； p為自回歸模型的階數(shù)； ut為白噪聲序列，其均值為 0，方差為 σ2。稱 xt為 p階自回歸過程，用 AR（ p）表示。 自回歸模型 AR（ p）常用來(lái)修正隨機(jī)誤差項(xiàng) ut的序列相關(guān) EViews統(tǒng)計(jì)分析基礎(chǔ)教程 四、時(shí)間序列模型的分類 移動(dòng)平均（ MA）模型 時(shí)間序列 {xt }的 q階移動(dòng)平均（ MA， Moving Average）模型的表達(dá)式為 xt = c + ut +β1 ut 1 +β2 ut 2 + … + βq ut –q 其中，參數(shù) c為常數(shù)； β1， β2， … ， βq為移動(dòng)平均模型的系數(shù)，是模型的待估參數(shù)； q為移動(dòng)平均模型的階數(shù)； ut為白噪聲序列，其均值為 0，方差為 σ2。稱 xt為 q階移動(dòng)平均過程，用 MA（ q）表示。 時(shí)間序列 {xt }由 1個(gè) ut和 q個(gè) ut的滯后項(xiàng)加權(quán)的和組成，“移動(dòng)”是指時(shí)間 t的變化，“平均”指的是 ut滯后項(xiàng)的加權(quán)和。 EViews統(tǒng)計(jì)分析基礎(chǔ)教程 四、時(shí)間序列模型的分類 自回歸移動(dòng)平均（ ARMA）模型 自回歸移動(dòng)平均模型是由自回歸模型 AR（ p）和移動(dòng)平均模型 MA（ q）共同組成的隨機(jī)過程，因而也被稱為混合模型，記作 ARMA（ p, q）。其表達(dá)式為 xt =c+?1xt1 +? 2 xt2 + …+ ?p xtp+ ut +β1 ut1 +β2 ut2 + …+β qut –q 其中， p和 q分別表示自回歸模型和移動(dòng)平均模型的最大階數(shù)。當(dāng) p=0時(shí)，自回歸移動(dòng)平均模型 ARMA（ 0, q） = MA（ q）；當(dāng) q=0時(shí)，自回歸移動(dòng)平均模型 ARMA（ p, 0） = AR（ p）。 EViews統(tǒng)計(jì)分析基礎(chǔ)教程 四、時(shí)間序列模型的分類 自回歸移動(dòng)平均（ ARMA）模型 ARMA模型的識(shí)別 在 EViews軟件中，通過分析序列的相關(guān)圖判斷 ARMA（ p,q）模型的 p與 q的階數(shù)。 在主菜單欄中選擇“ Quick”|“Series Statistics” |“Correlogram”選項(xiàng)，在彈出的文本框中輸入序列對(duì)象的名稱；或者打開序列對(duì)象窗口，選擇序列對(duì)象工具欄中的“ View”|“Correlogram”選項(xiàng)，均會(huì)彈出對(duì)話框。 EViews統(tǒng)計(jì)分析基礎(chǔ)教程 四、時(shí)間序列模型的分類 自回歸移動(dòng)平均（ ARMA）模型 ARMA模型的識(shí)別 “ Level”表示原序列， “ 1st difference”表示一階差分序列， “ 2st difference”表示二階差分序列。 “ Lags to include”中輸入最大滯后期
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號(hào)-1