c时间序列第三章平稳时间序列模型的特性重点分析.ppt

样本自协方差与自相关系数的特性 当序列均值为零或常数且已知时， * 偏差的期望 与样本长度成反比， 与滞后及理论自相关成正比。当k取某一个固定常数时， 才是一个渐近无偏估计量，无有效可言，只是一个弱一致估计。而 在实际中大多数序列并非零均值，且理论均值往往未知，只好用样本均值来近似代替，这时，样本自协方差函数为 * 当考虑序列均值估计偏差的情况下， 都是有偏的，但后者是渐近无偏的。 的方差比 的小 * 前者的波动在整个k 的范围内都保持很少，而后者当k 接近于（N-1）时，方差增大很多。 当样本观测值X1，X2，…，XN不全为零时， * 必是正定序列 但 却不一定具备正定性。 因此，在时间序列分析中通常使用有偏估计式 其理由除以上所述之外，还在于我们主要关心的往往不是某一个k值时的 的估计值，而是以0到（N-1）范围内所有k 值的函数 的估计。 * （1）AR（1）模型的自协方差函数 AR(1)自相关函数为 ，即 其中 AR(n)序列的自协方差函数和自相关函数是拖尾的，这是 AR(n)序列的重要特征。 3．格林函数与自协方差函数之间的关系 AR(1)模型的自相关系数的推导 AR(1)模型为 * 假定 X t 为零均值。将模型两端乘以X t-k ，并取期望，得 当k=0 时，有 即 当k=1 时，有 * 当k=2时 以此类推，便有一般式