第5章 时间序列的模型识别.pptVIP

  1. 1、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。。
  2. 2、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
  3. 3、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)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、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
  6. 6、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。
  7. 7、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
查看更多
第五章 时间序列的模型识别;平稳序列的ARMA建模步骤 ;ARMA模型定阶的方法;自相关和偏自相关系数法;自相关和偏自相关系数法;ACF和PACF定阶法;模型定阶的困难;样本相关系数的近似分布;模型定阶经验方法;1950年-1998年北京城乡居民定期储蓄比例;连续读取70个化学反应数据;ARMA模型定阶的方法;在回归分析中,F检验法常被用来考察两个回归模型是否具有显著差异。 原理: 检验后面s个回归因子对因变量的影响是否显著 设样本容量为N,上述两个模型的残差平方和分别是Q0与Q1,则检验统计量为 ;结论:对于给定的显著性水平α 若FFα(s,N-r),则拒绝原假设,认为后面s个回归因子对因变量的影响是显著的,表明M1合适; 若FFα(s,N-r),则接受原假设,认为这s个回归因子对因变量的影响是不显著的,表明M2合适。;1967年,瑞典控制论专家K.J.Astr?m教授将F检验准则用于对时??序列模型的定阶。 原理(模型阶数简约原则 parsimony principle): 设Xt(1≤t≤N)是零均值平稳序列,用模型AR模型拟合 检验统计量: 结论 若FFα,则拒绝原假设,认为AR(p)合适; 若FFα,则接受原假设,认为AR(p-1)合适。 ;检验统计量: 结论 若FFα ,则拒绝原假设,模型阶数仍有上升的可能; 若FFα ,则接受原假设,认为ARMA(p-1,q-1)合适。;ARMA模型定阶的方法;信息准则函数定阶法 ;FPE准则法 AIC准则法 BIC准则法;背景: 1969年日本统计学家赤池(Akaike)提出的一种识别AR模型阶数的最终预报误差准则—Finial Prediction Error,简称FPE准则。 基础思想: 用模型一步预报误差的方差来判定AR模型的阶数是否适用,一步预报误差的方差愈小,就认为模型拟合愈好。 FPE准则函数:;AIC准则;AIC准则用于ARMA模型的定阶;AIC准则的说明;BIC准则;AIC与BIC准则

文档评论(0)

开心就好 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档