52非平稳模型估计讲述.pptxVIP

第四节 求和模型与季节模型 的处理方法 一. 求和模型ARIMA的识别与拟合 1. 求和模型的识别方法 方法一 直接观察数据图形的方法：根据数据 画出数据曲线图，通过观察曲 线的形状，可初步判别是否需要拟合求和模型。 例：数据1 数据2 数据3 数据4 方法二. 数据样本自相关函数分析法：当序列含有趋势项时，序列的样本自相关函数 的尾部不衰减到零值，特别地，所含趋势项为多项式时， 将近似于常数为1的序列。 例：序列1 样本自相关函数： 序列2 序列2样本自相关函数 序列3 演示文稿 后 等 51小说网 http://www.51xs.me 忈莒昚 序列3的样本自相关函数 另外，还可从数据的来源判断使用求和模型的合理性。 2. 判断求和模型ARIMA(p,d,q)的阶数d 对ARIMA(p,d,q)模型的研究焦点是对差分阶数d的判别。 d的判别方法： (1) 用动态数据 的实际背景来确定。若数据围绕着某条曲线变化，而此曲线是近似线性的，则判断差分阶数d=1,若此曲线可由二次多项式近似，则判断阶数d=2,一般地，若该曲线可由d次t的多项式逼近，则可对原序列 作d次差分 ，而 可按平稳序列建模。 (2) 采用数据处理的方法：对原动态数据 分别作j次差分， ，连同原数据共有D+1套 动态数据，然后对每套数据求出样本自相关函数和样本 偏相关函数为 ,综合分析它 们的截尾性或拖尾性，最后判定为何种模型，再建立相 应的模型。 2. 求和模型的拟合 步骤1：判断p值，对原数据进行d次差分运算，即 (4.1) 例：当d=2时， 为 的二次差分序列，即， 步骤2：根据差分后的数据序列 按照前几节的方法，拟合AR、MA、ARMA模型，包括模型参数的估计以及对阶数p,q的估计，即 (4.2) 结合(4.1)和(4.2)，得到ARIMA(p,d,q)的拟合模型为， (4.3) 步骤3：对拟合求和模型 的检验：即是检验 是否符合(4.2)的模型，亦是对拟合后的残差进行白噪声检验. 步骤3：对拟合求和模型 的检验：即是检验 是否符合(4.2)的模型，亦是 对拟合后的残差进行白噪声检验。