平穩(wěn)時間序列模型的建立概述-資料下載頁
2025-01-01 04:49本頁面
【正文】 是 AR模型，若二者均統(tǒng)計顯著異于零，則可能是 ARMA模型。n 2．模型階數(shù)越高，往往殘差方差越小，但待估參數(shù)增加，有效樣本量隨之也減小，因此在模型定階時需要遵循 “約減 ”原則，即當(dāng)殘差方差變化不大時，盡量選擇階數(shù)低的模型。此外， AIC， BIC等信息準(zhǔn)則考慮了模型殘差與模型階數(shù)之間的權(quán)衡關(guān)系，是重要的模型定階準(zhǔn)則。n 3．對于 AR模型，參數(shù)估計比較簡單，可以利用線性最小二乘方法。而 MA和ARMA模型的參數(shù)估計相對困難，需要用到非線性最小二乘方法。對于 ARMA模型，最小平方和估計和極大似然估計是兩種重要的估計方法，從極大似然估計出發(fā)可以得到最小平方和估計。n 4．模型檢驗是建立時間序列模型的重要步驟。除了傳統(tǒng)的系數(shù)顯著性檢驗之外，時間序列模型還需要對參數(shù)是否冗余、殘差是否還存在相關(guān)性進行檢驗。只有通過模型檢驗之后，時間序列模型才能最后確定。常用的參數(shù)冗余檢驗有 F檢驗，殘差相關(guān)性檢驗有卡方檢驗。n 5． BoxJenkins方法是以序列的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)的統(tǒng)計特性為依據(jù)，找出序列可能適應(yīng)的模型，然后對模型進行估計。對于非平穩(wěn)時間序列往往通過差分使其平穩(wěn)后建模。 PanditWu建模方法是從 ARMA（ n， n1）模型出發(fā)，從 n=1開始，逐步建立為 ARMA（ 2n， 2n1），通過 F檢驗確定 ARMA模型的階數(shù)。
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1