[数学]第五章平稳时间序列分析.ppt

平稳序列时序图 非平稳序列时序图 3．建立求解变量的回归系数的正规方程组 t y x4 x3 x2 x1 4 3 2 1 多元线性回归方程的正规方程组： 自回归方程的正规方程组 通式： 对于一个平稳时间序列，若样本数为12时，则P最多可取6个，建立5个方程；若样本数为20时，则P最多可取10个，建立9个方程。 因此，在计算时若是大样本时这样计算是比较繁琐的，同时意义并不大。因为预报时刻的值并不可能和前期连续的每一时刻都有关。究竟选哪些前期时刻的点子呢？这个问题在自回归分析中就是确定阶数的问题。 4．自回归方程阶数的选择 选点法： 计算所有间隔τ的自相关函数，取一定信度，把通过显著性检验的点作为预报因子纳入方程。 设某一平稳时间序列，能通过检验的有r(i)、r(j)、r(k)，即i、j、k三个时间点与预报时刻相关。 预报模型有 正规方程组 k列 i 列 j列 i 行 j行 k行 在实际计算中，由于通过检验的间隔点较多，所以常取绝对值较大的若干个点。确定点的数目原则是≤n/5，或在n/10～n/20。 5．自回归方程的检验 误差平方和 标准变量 距平变量 复相关系数 三、平稳时间序列分析举例 某站预报1983年第四候的平均气温 3 0 5 2 -1 3 4 0 2 3 1 2 候平均温 82 81 80 79 78 77 76 75 74 73 72 71 年序 计算步骤1 列表计算各时刻的相关函数值r(τ) 0.5294 -0.6555 0 0.7451 -0.5647 -0.4492 1 　 　 r(τ) 1.5000 -1.8571 0 2.1111 -1.6 -1.2727 2.8333 　 　 和/n-τ 6 7 8 9 10 11 12 　 　 n-τ 　 　 　 　 　 　 　 　 2 平均 9 -13 0 19 -16 -14 34 　 24 和 　 　 　 　 　 　 1 1 3 82 　 　 　 　 　 -2 4 -2 0 81 　 　 　 　 3 -6 9 3 5 80 　 　 　 0 0 0 0 0 2 79 　 　 -3 6 -9 0 9 -3 -1 78 　 1 -2 3 0 -3 1 1 3 77 2 -4 6 0 -6 2 4 2 4 76 4 -6 0 6 -2 -4 4 -2 0 75 0 0 0 0 0 0 0 0 2 74 0 -3 1 2 -2 0 1 1 3 73 3 -1 -2 2 0 -1 1 -1 1 72 0 0 0 0 0 0 0 0 2 71 XdtXdt-6 XdtXdt-5 XdtXdt-4 XdtXdt-3 XdtXdt-2 XdtXdt-1 X2dt τ=6 τ=5 τ=4 τ=3 τ=2 τ=1 τ=0 Xdt Xt 年序 挑取较大的相关函数点作为预报因子。 　　　　　　ρ(2)、ρ(3)、ρ(5); 建立自回归预报方程,写出确定回归系数的正规方程组 : 计算步骤2 因为 结果 有 解方程组，结果有 自回归预报模型： 计算步骤3 预报第13年第四候的平均温度 计算步骤4 可用第13年的前2年（即第11年）、前3年（第10年）、前5年（第8年）的候平均气温距平值代入预报方程中计算，得 实况是4℃。偏高 回报检验 计算步骤5 1 1.347 -0.653 1 3 82 12 0 -0.11 -2.11 -2 0 81 11 3 3.438 1.438 3 5 80 10 3 2.944 0.944 0 2 79 9 0 0.403 -1.597 -3 -1 78 8 3 2.517 0.517 1 3 77 7 3 2.54 0.54 2 4 76 6 　 　 　 -2 0 75 5 　 　 　 0 2 74 4 　 　 　 1 3 73 3 　 　 　 -1 1 72 2 　 　 　 0 2 71 1 Xdt Xt 年序 序号 方程效果检验 计算步骤6 复相关系数 F检验值 平稳时间序列自回归模型 变量形式 方程模型 标准化： 距平化： 小结 误差平方和 标准变量： 距平变量： 复相关系数 §8.3 时间序列的的平稳性检验和平稳化处理 对于一个时间序列,当它符合平稳各态历经性假定时,才能运用自回归模型进行预报.如果预报对象不符合统计平稳性的假定性时,运用前述的预报模型进行预报将不能获得成功。因此需要通过统计分析方法，对一组观测数据进行分析，检验这个时间序列是否符合平稳性的假设。 一、AR(P)模型的平稳性条件 AR模型是常用的平稳序列的拟合模型之一，但并非所有的AR模型都是平稳的 如果一个p阶自回归模型AR(p)生成的时间序列是平稳的，