第7章时间序分析.pptVIP

* 《统计学》第7章时间序列分析 7-* 7.3.4 ARIMA模型 使用场合 差分平稳序列拟合 ＊ 模型结构 ＊ 攒远攫晤兢京蒜蘑帽侦趣卉使四内奥砍锈椽癣半池兢铁姿渐卤硫郊偏赌昏第7章时间序列分析第7章时间序列分析 * 《统计学》第7章时间序列分析 7-* ARIMA 模型族 d=0 ARIMA(p,d,q)=ARMA(p,q) P=0, d=0 ARIMA(P,d,q)=MA(q) q=0, d=0 ARIMA(P,d,q)=AR(p) d=1,P=q=0 ARIMA(P,d,q)=random walk model 雹讼禹耘谨项这痕棋骏蝴拥矽巾佩臆睦坡降膊汽陶扣辙谤剖案猫滴往漏屹第7章时间序列分析第7章时间序列分析 * 《统计学》第7章时间序列分析 7-*【例7.4】（数据文件example7.1）我们使用example7.1中1978年至2005年国内生产总值（GDP，亿元）数据，2006-2008年用于做预测。使用ARIMA模型进行分析，并给出2006-2008年的预测值。 帛假钓焕什媒箍循扳县肚筛淹蛤矛屯传枚豢墨识享尾秧寿砧还赁魔芜饲矣第7章时间序列分析第7章时间序列分析 * 《统计学》第7章时间序列分析 7-* 在某些情况下， 与时间 直线，而是 的二次函数关系，则此时可以用如 的关系可能不是 下模型描述： 瑚囤激原淆枉递膀霞匈回钮卵频窒彭郎毗巨助序贺楞铡姑王有朽粳惦裸痘第7章时间序列分析第7章时间序列分析 * 《统计学》第7章时间序列分析 7-*Box-Jenkins模型是一种描述时间序列数据参数模型，它包括自回归（AR）模型、滑动平均（MA）模型、自回归滑动平均（ARMA）模型和可积自回归滑动平均（ARIMA）模型。其中AR、MA、ARMA模型在一定条件下用于拟合平稳时间序列，ARIMA用于处理非平稳时间序列数据。本节主要介绍这些模型的统计建模、参数估计和模型识别等内容。 7.3 Box-Jenkins 模型 流拟尝沫俭锨见设侵渍屋睁闰确谋锚她迪贩远亿啤唐厩媚铬妥澎字捕抗犬第7章时间序列分析第7章时间序列分析 * 《统计学》第7章时间序列分析 7-* 7.3.1 ARMA模型自回归滑动平均（ARMA）模型是一种建立在平稳时间序列基础之上的参数模型，它由自回归模型（AR）和滑动平均模型（MA）构成 。我们下面对这些模型做一简要介绍。 酷汤携屏淑彤缠返拇苇渍精铝呢夺奄浊龋耍强旭过雅挺礼滩梦鹅假彝牲伏第7章时间序列分析第7章时间序列分析 * 《统计学》第7章时间序列分析 7-*具有如下结构的模型称为 阶自回归模型，简记为1、自回归模型（AR） (7.6) 原递急盼壬棘九骇人方州承侯泰冬孙使层供投蕉千顶柳届也象肮陛课率轿第7章时间序列分析第7章时间序列分析 * 《统计学》第7章时间序列分析 7-*其中的序列在时间序列中，通常称为白噪声过程。白噪声过程的本质：目前时刻与过去时刻的值不相关，过去时刻对未来也没有任何有用的价值。“白”是因为它的谱与白光有相同的特点，它的谱密度在所有的频率上都是常数。 臀漏颊岩帖租菠酱块温合搽红寿坦昔冤坚锹乳掷妙庸贰及粹它父赁蜒佣惺第7章时间序列分析第7章时间序列分析 * 《统计学》第7章时间序列分析 7-* 假设 为后移（滞后）算子，即 ， ， ，令 ， 则（7.6）可以写为： 。 俯腰剔娶洱岿岸轧绒挥鼎给缨葫农渔膜褥恋晦譬赔呛钩晤苑栈划遇侈苦莽第7章时间序列分析第7章时间序列分析 * 《统计学》第7章时间序列分析 7-* 假设 表示 的一个 阶多项式，则AR(p)模型平稳的充分必要条件是： 的根全部落在单位圆之外。 特别的，AR(1)的平稳域为： ； AR(2)的 平稳域为： AR模型的平稳性 窜笼醛婆拒爪难节薛封份卸屯昭摧后峭躯迅沁貉医欢嚷莆辛秒犹殉弓鼎哄第7章时间序列分析第7章时间序列分析 * 《统计学》第7章时间序列分析 7-* AR(2)模型的平稳域 揩娄漳巫乱吝涡昭抑哲婿快乾缔八贸巩圆握脸谭欲酱丝哄贺窜酝袜马韩洽第7章时间序列分析第7章时间序列分析 * 《统计学》第7章时间序列分析 7-*具有如下结构的模型称为 阶滑动平均模型，简记为 2、滑动平均模型（MA）类似的， (7.8)可以表示为： (7.8) 其中。由于 只有有限项，因此（7.8）是一个平稳过程。 备累晴谓电宰比履岭亢饿弛顾篓蹿召蜀摘惜托贮撩汤两辅克探熏鹅凯秽芬第7章时间序列分析第7章时间序列分析 * 《统计学》第7章时间序列分析 7-* MA模型的可逆性MA模型中的一个重要内容是研究它的可逆性。令表示 的阶多项式，则MA(q)模型满足可逆性的充分必要条件是：的根全部落在单位圆之外。 当满足可逆条件时，（7.8）可以写为： 由于，此时时间序列可以看成是一个模型。 ，