eviews數(shù)據(jù)統(tǒng)計(jì)與分析教程8章-文庫吧資料
2025-05-19 21:48本頁面
【正文】 不同的是在估計(jì) ARIMA（ p,d,q） 模型時(shí)需確定原序列的差分階數(shù) d， 并對(duì) xt進(jìn)行 d階差分 。 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 ARMA模型的識(shí)別中，如果自相關(guān)函數(shù)（ AC）在 p期后顯著趨于 0，偏自相關(guān)函數(shù)（ PAC）在 q期后顯著趨于 0，則建立 ARMA（ p， q）模型。 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。 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)。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)。 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。 自回歸模型 AR（ p）常用來修正隨機(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。 EViews統(tǒng)計(jì)分析基礎(chǔ)教程 三、隨機(jī)過程 分類 ： 隨機(jī)游走過程 時(shí)間序列 {xt}隨機(jī)游走過程圖形 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（ AR）模型 時(shí)間序列 {xt }的 p階自回歸（ AR， Auto Regressive）模型的表達(dá)式為 xt = c+?1xt1 + ? 2 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。 時(shí)間序列 {xt
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號(hào)-1