自回归滑动平均模型课件 .pptxVIP

第二章 自回归滑动平均模型;采用一条直线描述 的关系： － 截距 － 斜率 但实际存在误差： ε－ 残差 目的是寻求求 ，使最佳 ; 寻优常用最小二乘法进行估计（LSE） 目标使误差的平方和最小 设: 则 ; 其中 ; 于是得该时间序列的线性回归方程： 即： 其中 ， ， 为 的均值，若使坐标平移至均值位置，则为： （注：今后不作说明，则皆为去均值的时序） ; 其中 残差的方差： ;模型适用性 检查： 若建立的模型正确的，则残差为白噪声，满足： （1）均值为0 （2）协方差为： 表示为： ;例：根据data建回归模型： 解： ; 所以模型为 所以 ;多元回归模型;多元回归模型; 寻求最优 ，采用最小二乘法： 由于 是白噪声，无法求出真值，只能得到其估计值，对于一元回归： 对于多元回归，其估计值为：; 若 为正态分布，则 也为正态分布，真值95%的概率在范围： 结论： 回归分析是建立在因果关系的两列（一元回归）或 多列（多元回归）随机过程的相关的基??上，只有观测到所有的序列才能进行回归模型。其残差为白噪声。回归可用来预报。 ;AR(1)模型;这要求 中多元彼此无关，但实际上序列 中存在这相关关系 如开口量 较大，则 也较大 较小，则 也较小。 因此要寻求一种模型来描述一个序列各元素之间的相关性。;AR(1)模型 与 相关 在一元线性回归中，两组观测数据： 存在关系： 这反映： ①在同一t时刻，两个随机变量之间的相关性与时间无关，是静态的 ②在t时刻 回归到 ;现若一个时间序列 以