(工程科技)第3-2章 平稳时间序列分析-ARMA模型.ppt

例3.5:— 理论偏自相关系数 样本偏自相关图 二、MA模型（Moving Average Model） （一）MA模型的定义 具有如下结构的模型称为 阶移动平均模型， 简记为 特别当 时，称为中心化 模型 利用延迟算子，中心化 模型又 可以简记为 其中， 是 阶移动平均系数多项式 为了以后识别一个模型是否是移动平均模型 MA(q)，下面讨论MA模型的统计性质 （二）MA模型的统计性质 （1）常数均值 （2）常数方差 显然， MA模型是平稳的。 （3）MA模型的自协方差函数 MA(q)自协方差函数q 阶截尾 （4）MA模型的自相关函数 MA(q)自相关系数q 阶截尾 (5)常用MA模型的自相关系数 MA(1)模型 MA(2)模型 (6)MA模型的偏自相关系数 MA模型的偏自相关系数拖尾 对于中心化的MA(q)模型，有 4、自相关系数 （1）自相关系数的定义： 特别 （2）平稳AR(P)模型的自相关系数递推公式： 上述方程称为Yule-Walker方程。 （3）常用AR模型自相关系数递推公式 AR(1)模型 AR(2)模型 说明：在AR(1)模型中，即使 没有直接出 现在模型中， 和 也是相关的。因为 所以， 是通过 与 相关的，这种 间接相关出现在任何AR模型中。 与 的自相关系数 等于 与 的自相关系数 乘以 与 的自相关系 数 。即 5、平稳AR(p)模型自相关系数的性质 （1）拖尾性 （2）呈负指数衰减 拖尾性说明 之前的每一个序列值 都会对 构成影响，但因为自相关系数呈负指数衰减，所以，间隔较远的序列值对现时值的影响很小，具有所谓的“短期相关性”。 例3.5:考察如下AR模型的自相关图 例3.5— 自相关系数按负指数单调收敛到零 例3.5:— 自相关系数呈现正负相间地衰减 例3.5:— 自相关系数呈现出“伪周期”性 例3.5:— 自相关系数不规则衰减 6、偏自相关函数 自相关函数ACF(k)给出了Xt与Xt-k的总体相关性，但总体相关性可能掩盖了变量间完全不同的相关关系。 例如，在AR(1) 中，Xt与Xt-2间有相关性可能主要是由于它们各自与Xt-1间的相关性带来的: 即自相关函数中包含了这种所有的“间接”相关。 与之相反，Xt与Xt-k间的偏自相关函数 (partial autocorrelation，简记为PACF)则是消除 了中间变量Xt-1，…，Xt-k+1 带来的间接相关后的 直接相关性，它是在已知序列值Xt-1，…，Xt-k+1 的条件下，Xt与Xt-k间关系的度量。 定义：对于平稳AR(p)序列，所谓滞后k偏自相关 系数就是指在给定中间k-1个随机变量 的条件下，或者说，在剔除了中间k-1个随机变量 的干扰之后， 对 影响的相关度量。用数学 语言描述就是 7、偏自相关系数的计算 （1）直接利用回归方法计算 首先将序列中心化，作如下形式的回归 滞后k偏自相关系数实际上就等于k阶自回归 模型第个k回归系数的值。 注意到： 所以， 即为剔除了中间k-1个随机变量的干扰 之后， 与 的相关系数，即 与 的 偏 自相关系数。 （2）利用Yule-Walker方程计算 当 时， 当 时， 所以， 一般地：利用Cramer法则可得 （3）利用Levinson递推公式计算 或写成 其中 定理的证明： Yule-Walker方程 可写为 利用归纳法，对k=1， Levinson递推公式显然成立。假设公式对k-1已经成立，即 对k阶Yule-Walker方程 作上述分块矩阵，记 则 是正交阵。有 k阶Yule-Walker方程可记为 所以，由（1）式 注意到： -----（1） -----（2） -----（3） 代入（2）式得， 所以， 注意到：已经假定Levinson公式对k-1成立，即 所以有 再由（3）式得 即 8、平稳AR(p)模型偏自相关系数的截尾性 AR(p)模型偏自相关系数P阶截尾，这是 因为对于AR(p)模型