时间序列–AR拟合模型的建立.pptVIP

下载本文档

52
0
约1.05千字
约 6页
2017-05-06 发布于北京
举报
版权申诉

时间序列–AR拟合模型的建立.ppt

1、本文档共6页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

时间序列–AR拟合模型的建立

AR（自回归）模型拟合如果时间序列是平稳AR序列，根据此序列的一段有限样本值对的模型进行统计，称为自回归模型拟合自回归模型拟合主要包括： (1) 判断自回归模型AR的阶数； (2) 估计模型的参数； (3) 对拟合模型进行检验。一. AR(p)模型的参数估计目的：为观测数据建立AR(p)模型 (1.1) 假定自回归阶数p已知，考虑回归系数和零均值白噪声的方差的估计。数据的预处理：如果样本均值不为零，需将它们中心化，即将它们都同时减去其样本均值再对序列按(1.1)式的拟合方法进行拟合。 AR(p)模型的自回归系数和白噪声方差的矩估计就由样本Yule-Walker方程和决定。 2. AR(p)模型参数的最小二乘估计如果是自回归系数的估计，白噪声的估计定义为通常为残差。我们把能使达到极小值的称为的最小二乘估计。二. AR(p)模型的定阶 1. 偏相关函数的分析方法一个平稳序列是AR(p)序列当且仅当它的偏相关函数是p步截尾的。如果 p步截尾：当时，；而，就以作为p的估计。三拟合模型的检验步骤： 1. 首先，根据公式计算出残差的样本自相关函数， 2. 利用上一章关于独立序列的判别方法，判断是否为独立序列的样本值 3. 根据判断结果，如果接受它们为独立序列的样本值，则接受原假设，即接受符合AR(p),否则，应当考虑采用新的模型拟合原始数据序列。