本时间序列分析下.pptVIP

二、偏自相关函数 1. 偏自相关函数的引入 2. 偏自相关函数的一般定义 3. 偏自相关函数的概率意义 4. 偏自相关函数的计算 5. 利 Yule － Wolker 方程计算 1. 偏自相关函数的引入 对 MA(q) 模型，其自相关函数是 q 步截尾的，这 是 MA 的特有标志，但 AR 和 ARMA 模型，其自相关 函数却都是拖尾的。 是否有某种统计量能体现 AR 的独有特性？有没 有一种函数，对 MA 模型是拖尾的，对 AR 模型却是截 尾的？回答是肯定的，这就是我们将要介绍的偏自相 关函数。 2. 偏自相关函数的一般定义 X t ：零均值平稳时间序列，由 X t-1 ， X t-2 ， … ， X t-k 对 X t 做 回归， X t ? ? k 1 X t ? 1 ? ? k 2 X t ? 2 ? ? ? ? kk X t ? k ? e t 用φ kj 记 k 阶回归表达式中的第 j 个系数，φ kk 就是最后一 个系数。利用线性最小二乘估计得到其中的系数，即对 k ，可选择系数 ? kj ( j ? 1 , 2 , ? k ) 使得： ? ? E ( X t ? ? ? kj X t ? j ) j ? 1 k 2 ? kk 达到极小值的系数 （ k 阶自回归中 X t-k 的系数） 称为偏自相关函数。 即有： X t ? ? 11 X t ? 1 ? e t X t ? ? 21 X t ? 1 ? ? 22 X t ? 2 ? e t ? X t ? ? k 1 X t ? 1 ? ? k 2 X t ? 2 ? ? ? ? kk X t ? k ? e t 3. 偏自相关函数的概率意义 AR(1) ： X t 只与 X t-1 直接相关，与 X t-j (j1) 不直接相 这是因为 X t 与 X t-1 相关，而 X t-1 又与 X t-2 相关， X t 由于 X t-1 的缘故与 X t-2 相关。事实上， X t 剔除 X t-1 的影响后 与 X t-2 可能不相关。 剔除中间变量影响后的相关就是偏自相关 。 所以，对 AR(P) 模型，偏自相关函数 p 阶截尾。即 关，但其自相关函数却是拖尾的。也即 X t 与 X t-2 有关系。 ? kk ? 0 , ( k ? p ) 从另一角度来看，对 AR 模型来说，第 k 个偏自相 关系数就是 AR 模型中 X t-k 的回归系数，那么对于 AR(p) 模型，有 AR ( 1 ) : X t ? ? 11 X t ? 1 ? a t , ? 1 ? ? 11 AR ( 2 ) : X t ? ? 21 X t ? 1 ? ? 22 X t ? 2 ? a t , ? 2 ? ? 22 ? AR ( p ) : X t ? ? p 1 X t ? 1 ? ? p 2 X t ? 2 ? ? ? ? pp X t ? p ? a t , ? p ? ? pp ? kk ? 0 ( k ? p ) 即，对 AR(P) 模型，偏自相关函数 p 阶截尾。 总的相关关系 ： 直接相关＋间接相关 自相关函数是不考虑是否有中间影响的 X t 间 的总的相关关系 。 偏自相关函数是剔除中间影响后的相关，是 一种直接相关关系 ，也即描述 X t 与 X t-k 之间部分的 相关关系，也即是一种条件相关。 4. 偏自相关函数的计算 ? ? E ( X t ? ? ? kj X t ? j ) k 2 j ? 1 5. 利用 Yule － Wolker 方程计算 根据偏自相关函数的一般定义和极值原理，对 ? kj ( j ? 1 , 2 , ? k ) 求导，得到： ? ? ? 0 ? 1 ? ? k ? 1 ? ? ? k 1 ? ? ? 1 ? ? ? ? ? ? ? ? ? ? ? 1 0 ? k ? 2 ? ? ? ? k 2 ? ? ? ? ? ? ? ? ? ? ? ? 2 ? ? ? ? ? ? ? ? ? ? k ? 1 ? k ? 2 ? ? 0 ? ? ? ? ? ? kk ? ? ? ? ? ? ? k ? ? ? 关于 时间序列分析 ARMA 模型的特性 第三章 本章共有四节内容： ※ 第一节 ※ 第二节 ※ 第三节 ※ 第四节 格林函数和平稳性 逆函数和可逆性 自协方差函数 自谱 第三节