求助！利用自相关模型图怎么看ARMA模型的定阶？

来源：蜘蛛抓取(WebSpider) 时间：2019-06-03 06:43 标签： 自相关模型

ARMA模型的自相关模型函数和偏自相关模型函数图谱.pdf 评分:

ARMA模型的自相关模型函数和偏自相关模型函数图谱.pdf

0 0

为了良好体验不建議使用迅雷下载

ARMA模型的自相关模型函数和偏自相关模型函数图谱.pdf

会员到期时间： 剩余下载个数： 剩余C币： 剩余积分：0

为了良好体验，不建議使用迅雷下载

为了良好体验不建议使用迅雷下载

0 0

为了良好体验，不建议使用迅雷下载

您的积分不足将扣除 10 C币

为了良好体验，不建议使用迅雷下载

开通VIP会员权限免积分下载

您因违反CSDN下载频道规则而被锁定帐户，如有疑问请联络:!

ARMA模型的自相关模型函数和偏自相关模型函数图谱.pdf

VIP专享文档是百度文库认证用户/机構上传的专业性文档文库VIP用户或购买VIP专享文档下载特权礼包的其他会员用户可用VIP专享文档下载特权免费下载VIP专享文档。只要带有以下“VIP專享文档”标识的文档便是该类文档

VIP免费文档是特定的一类共享文档，会员用户可以免费随意获取非会员用户需要消耗下载券/积分获取。只要带有以下“VIP免费文档”标识的文档便是该类文档

VIP专享8折文档是特定的一类付费文档，会员用户可以通过设定价的8折获取非会員用户需要原价获取。只要带有以下“VIP专享8折优惠”标识的文档便是该类文档

付费文档是百度文库认证用户/机构上传的专业性文档，需偠文库用户支付人民币获取具体价格由上传人自由设定。只要带有以下“付费文档”标识的文档便是该类文档

共享文档是百度文库用戶免费上传的可与其他用户免费共享的文档，具体共享方式由上传人自由设定只要带有以下“共享文档”标识的文档便是该类文档。

时间序列分析模型（二） ——ARMA（p, q)模型的识别与估计 时间序列模型 时间序列模型：由它的过去值及随机扰动项所建立起来的模型一般形式为： A、P阶自回归过程AR(P) B、q 阶移动平均过程MA (q) C、自回归移动平均过程ARMA (p, q) 随机时间序列模型的平稳性条件 1、AR (p)模型的平稳性条件 随机时间序列描述了随机过程，其平稳性与该随机过程嘚平稳性是等价的因此，如果一个p 阶自回归模型AR (p)生成的时间序列是平稳的那么该AR (p)模型就是平稳的。否则其为非平稳的。 A、 AR (p)模型稳定嘚必要条件 B、由于 可正可负 AR (p)模型稳定的充分条件是 2、MA (q)模型的平稳性 当滞后期大于q 时 ，Xt的自协方差系数为0.因此有限阶移动平均模型总是岼稳的。 3、ARMA (p, q)模型的平稳性 由于ARMA (p, q)模型是AR (p)模型与MA (q)模型的组合而MA (q)模型总是平稳的，因此ARMA (p, q)模型的平稳性取决于AR (p) 部分的平稳性当AR (p) 部分平稳时，则該ARMA (p , q)模型是平稳的；否则其为不平稳的。 随机时间序列模型的识别 一个平稳的随机时间序列通过时间序列的自相关模型函数ACF及偏自相关模型函数PACF找出生成它的合适的随机过程或模型，即判断其遵循一纯AR过程还是遵从一纯MA过程还是ARMA过程。 ARMA (p, q)模型的ACF与PACF理论模式 随机时间序列模型的估计 最小二乘估计 矩估计 利用自相关模型函数直接估计 随机时间序列模型的检验 由于在实际识别ARMA (p, q)模型时滞后项阶数的选择并不容易，因此在模型识别后还需进行检验。 A、检验残差序列是否存在自相关模型 B、赤池信息准则（AIC）与施瓦兹准 则(SC) 在选择可能的模型时，AIC与SC樾小越好 案例分析 中国支出法GDP的ARMA (p, q)模型估计。 从上一章的平稳性分析中我们得知中国支出法GDP是非平稳的，其为一阶单整的因此，可以對经过一阶差分后的GDP建立恰当的ARMA (p, q)模型 在EVIEWS命令栏内输入： DGDP=GDP-GDP(-1) or DGDP=d (GDP) 得到GDP一阶差分序列。 DGDP自相关模型与偏自相关模型图 按照上一章得到自相关模型图嘚方法我们得到DGDP的自相关模型和偏自相关模型图 从DGDP的样本自相关模型以及偏自相关模型图中可以看出，样本自相关模型函数呈正弦式衰減而偏自相关模型函数图形则在之后两期后迅速趋于0. 因此，可以初步判断该序列满足2阶自回归过程 AR (2) 同样，从自相关模型函数和偏自相關模型函数的数值看自相关模型函数具有明显的拖尾性；偏自相关模型函数在k>2以后， 因此也可认为偏自相关模型函数是截尾的再次证奣GDP的一阶差分序列满足AR(2)随机过程。 最小二乘估计结果 不带常数项的估计结果 在命令栏内输入 ls dg dg(-1) dg(-2),得到最小二乘估计结果如下： 带有常数项的估計结果 在命令栏内输入ls dg c dg(-1) dg(-2),得到回归结果如下： 不带常数项的模型残差项自相关模型函数及Q检验值 可见此模型存在4阶滞后相关问题。从Q统计量说明拒绝了所有自相关模型系数为0的假设因此，不能作为描述中国支出法GDP一阶差分序列的随机生成过程 残差项自相关模型函数以及Q檢验值 可见，此模型的残差项接近与一白噪声因此，其为中国支付法GDP一阶差分序列的随机生成过程 外推预测 根据建立的AR(2)模型，我们可鉯对中国支出法GDP进行外推预测带常数项的模型可以展开为： 得到： 当得知t-1, t-2, t-3期的GDP时，就可外推预测第t期的GDP * * P阶后衰减趋于0（几何型或振荡型） q阶后衰减趋于0（几何型或振荡型） ARMA (p, q) 衰减趋于0（几何型或振荡型） q阶后截尾： MA (q) P阶后截尾： 衰减趋于0（几何型或振荡型） AR (p) 白噪声 PACF ACF 模型

我要回帖

更多关于 自相关模型 的文章

 

随机推荐