4时间序列参数估计.docVIP

下载本文档

3
0
约5.22千字
约 11页
2017-06-10 发布于北京
举报
版权申诉

4时间序列参数估计.doc

1、本文档共11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

时间序列模型参数估计理论基础矩估计 AR模型矩估计法参数估计的思路：即从样本中依次求中rk然后求其对应的参数Φk值方差： MA模型对于MA模型采用矩估计是比较不精确的，所以这里不予讨论 ARMA（1，1）矩估计法参数估计的思路：方差：最小二乘估计 AR模型最小二乘参数估计的思路：对于AR（P）而言也可以得到类似矩估计得到的方程，即最小二乘与矩估计得到的估计量相同。 MA模型最小二乘参数估计的思路： ARMA模型最小二乘参数估计的思路：极大似然估计与无条件最小二乘估计 R中如何实现时间序列参数估计对于AR模型 ar(x, aic = TRUE, order.max = NULL, method=c(yule-walker, burg, ols, mle, yw), na.action, series, ...) ar(ar1.s,order.max=1,AIC=F,method=yw)#即矩估计 Call: ar(x = ar1.s, order.max = 1, method = yw, AIC = F) Coefficients: 1 0.8314 Order selected 1 sigma^2 estimated as 1.382 ar(ar1.s,order.max=1,AIC=F,method=ols)#最小二乘估计 Call: ar(x = ar1.s, order.max = 1, method = ols, AIC = F) Coefficients: 1 0.857 Intercept: 0.02499 (0.1308) Order selected 1 sigma^2 estimated as 1.008 ar(ar1.s,order.max=1,AIC=F,method=mle)#极大似然估计 Call: ar(x = ar1.s, order.max = 1, method = mle, AIC = F) Coefficients: 1 0.8924 Order selected 1 sigma^2 estimated as 1.041 采用自编函数总结三个不同的估计值 Myar(ar2.s,order.max=3) 最小二乘估计矩估计极大似然估计 1 1.5137146 1.4694476 1.5061369 2 -0.8049905 -0.7646034 -0.7964453 arima(x, order = c(0, 0, 0), seasonal = list(order = c(0, 0, 0), period = NA), xreg = NULL, include.mean = TRUE, transform.pars = TRUE, fixed = NULL, init = NULL, method = c(CSS-ML, ML, CSS), n.cond, optim.control = list(), kappa = 1e+06, io = NULL, xtransf, transfer = NULL) order的三个参数分别代表AR，差分 MA的阶数 arima(arma11.s,order=c(1,0,1),method=CSS) Call: arima(x = arma11.s, order = c(1, 0, 1), method = CSS) Coefficients: ar1 ma1 intercept 0.5586 0.3669 0.3928 s.e. 0.1219 0.1564 0.3380 sigma^2 estimated as 1.199: part log likelihood = -150.98 arima(arma11.s,order=c(1,0,1),method=ML) Call: arima(x = arma11.s, order = c(1, 0, 1), method = ML) Coefficients: ar1 ma1 intercept 0.5647 0.3557 0.3216 s.e. 0.1205 0.1585 0.3358 sigma^2 estimated as 1.197: log likelihood = -151.33, aic = 308.65 采用自编函数总结三个不同的估计值 Myarima(arma11.s,order=c