平稳时间序列模型的建立教材.pptxVIP

第三章 平稳时间序列模型的建立;第三章 平稳时间序列模型的建立; 第一节 采集、直观分析和特征分析;时间序列的建模流程;数据的采集;时间序列数据的预处理;直观分析;特征分析;位置特征参数;散度特征参数;分布特征参数; 第二节 时间序列的相关分析;时间序列的相关分析;纯随机性检验;检验统计量： Q统计量：Box和Pierce共同推导出 原假设：延迟期数小于或等于m的序列值之间相互独立 结论： 当Qχ21-α(k)时，接受原假设，认为序列{Xt}是独立的，不用进行建模了。 当统计量的相伴概率p0.05时，接受原假设；当p0.05时，拒绝原假设，{Xt}是平稳非白噪声序列，尝试建立ARMA模型。 一般取k ≈ N/10;纯随机性检验;纯随机性检验;时间序列的平稳性是时间序列建模的重要前提。 目的：检验相关序列值{Xt}之间是否是平稳的 检验的对象： 序列是否具有常数均值和常数方差？ 序列的自相关函数是否仅与时间间隔有关，而与时间的起止点无关？;常用的检验方法： 数据图检验法 自相关和偏相关系数图检验法 特征根检验法 参数检验法 逆序检验法 游程检验法;数据图检验法;1994年-1995年香港环境数据序列 (a) 表示因循环和呼吸问题前往医院就诊的人数； (b) 表示二氧化硫的日平均水平； (c) 表示二氧化氮的日平均水平； (d) 表示可吸入的悬浮颗粒物的日平均水平;数据图检验法;模型;自相关和偏相关系数图检验法;自相关和偏相关系数图检验法;自相关和偏相关系数图检验法;自相关和偏相关系数图检验法;特征根检验法;特征根检验法;特征根检验法;游程检验法;常用的检验方法： 数据图检验法 自相关和偏相关系数图检验法 特征根检验法 参数检验法 逆序检验法 游程检验法; 第三节 平稳时间序列的零均值处理;ARMA模型：自回归移动平均模型;ARMA模型：自回归移动平均模型; 第四节 平稳时间序列的模式识别;模型;模型定阶的困难;Bartlett定理：零均值的平稳时间序列Xt： 若自相关系数q步截尾，则 若偏相关系数p步截尾，则 95％的置信区间： 模型定阶的经验方法：利用2倍标准差辅助判断;模型定阶经验方法;1950年-1998年北京城乡居民定期储蓄比例;模??识别; 第五节 平稳序列模型参数的矩估计; 第六节 平稳时间序列模型的定阶;问题： 如何ARMA(p,q)的中p和q？ 定阶的方法： 残差方差图定阶法 F-检验定阶法 最佳准则函数法 AIC准则 BIC准则;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检验准则用于对时间序列模型的定阶。 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。;由于自相关函数(ACF)和偏相关函数(PACF)定阶法具有很强的主观性，是一种较为粗略的方法，而最佳准则函数定阶法则可以帮助我们在一些所选的模型中选择相对最优的模型。 最佳准则函数法，即确定出一个准则函数。建模时按照信息准则函数的取值确定模型的优劣，以决定取舍，使准则函数达到极小的是最佳模型。 分类： AIC准则法 BIC准则法;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;AIC与BIC准则; 第七节 平稳时间序列模型的检验;平稳序列的ARMA建模步骤 ;模型的适应性检验;模型的适应性检验;ARMA模型的检验;参数显著性检验;参数显著性检验;参数显著性检验; 第八节 平稳时间序列模型的建模方法;平稳时间序列建模;平稳时间序列建模;Box-Jenkins建模方法;1952年-1988年中国农业实际国民收入的一阶差分序列;1952年-1988年中国农业实际国民收入的一阶差分序列;Box-Jenkins建模方法;建立AR模型;AR(1)模型的检验;建立MA模型;建立ARMA模型;Box-Jenkins建模方法