逆自相关函数及其在ARMA模型识别中的作用_张晋.pdfVIP

( 322 ( 中国卫生统计 1999 年 12 月第 16 卷第 6 期 逆自相关函数及其在 ARMA 模型识别中的作用* 山西医科大学第二医院( 030001) 张晋昕 山西医科大学卫生统计教研室 何大卫 提 要 目的 介绍逆自相关函数的意义, 说明其 在 ARM A 模 型识别中 的作用。 方法 分析逆 自相关 函数以 了 解时序的结构特征, 获得简约的拟合模型形式。结果 实例 分析表明, 逆自相关函数在疏系 数模型的 识别中, 明确地补 充 刻划了 模型结构, 有可靠的应用价值。结 论 在时 间序 列的 A RM A 模型 识别中, 考 虑自 相关函 数与 偏自相 关函 数的 同 时, 充分利用逆自相关函数提供的信息, 有助于选得较优模型。 关键词 时间序列分析 逆自相关函数 ARM A 模型 ARMA 模型用于时间序列分析, 已被作为一种理 { x t } 的有些特性在 ri ( k ) 中比在 r ( k ) 中表现更 论比较完善、分析效果良好的工具, 得到广泛接受。模 为典型, 这种情形在拟合 ARMA 模型时往往会遇到; 型建立的步骤通常为模型识别、参数估计和诊断检验。 关于 r ( k ) 与时序{ x t } 的关系, 时间序列分析工作者已 模型识别是利用数据及由序列生成的各种信息给出有 积累了丰富的知识, 这有助于解释 ri ( k ) , 因它与{ x t } 采用价值的、参 数简约的模型 子类!1?。由此可 知, 模 间有类似的关系; r i( k ) 的估计不存在方法上的困难。 型识别的两个关键在于拟合效果可靠、参数个数简约。 综上所述, 将逆自相关函数 r i( k ) 引入 ARMA 模型拟 !2? 设{ x t } 是一均数和自协方差函数都满足平稳条件 合过程不仅是必要的, 而且是可能的 。 的时间序列。有众所周知的如下事实: 当自相关函数 逆自相关函数的特征 r ( k ) ( 或自协方差函数 ( k ) ) 在 k = q 后近似取零( 称 截尾) , 偏自 相关 函数 p ( k ) 呈缓 慢减 小趋 势 ( 称拖 1AR( p ) 与 M A( q ) 模型中的 ri ( k) 尾) , 则提示{ x t } 为 MA( q ) 序列; 当偏 自相关函数 p 当{ x t } 满足如下 AR( p ) 模型: ( k ) 在 k = p 处截尾, 自相关函数 r ( k ) 拖 尾, 则提示 x t + 1 x t- 1 + 2 x t- 2 + # #+ p x t- p + ! = ?t { x t } 为 AR( p ) 序列; 当 p ( k ) 与 r ( k ) 均拖尾, 则提示 则 ri( k ) 有如下特征: { x t } 可能是 ARM A( p , q ) 序列。实际的模型识别中, r i( k ) % 0 k p 一方面希望拟合模型的阶数足够大,