统计学全套课件（完整）.ppt

* 《统计学》第7章时间序列分析 1-* 具有如下结构的模型称为 阶自回归模型，简记为 1、自回归模型（AR） (7.6) * 《统计学》第7章时间序列分析 1-* 其中的序列 在时间序列中，通常称为白噪声过程。 白噪声过程的本质：目前时刻与过去时刻的值不相关，过去时刻对未来也没有任何有用的价值。“白”是因为它的谱与白光有相同的特点，它的谱密度在所有的频率上都是常数。 * 《统计学》第7章时间序列分析 1-* 假设 为后移（滞后）算子，即 ， ， ，令 ， 则（7.6）可以写为： 。 * 《统计学》第7章时间序列分析 1-* 假设 表示 的一个 阶多项式，则AR(p)模型平稳的充分必要条件是： 的根全部落在单位圆之外。 特别的，AR(1)的平稳域为： ； AR(2)的 平稳域为： AR模型的平稳性 * 《统计学》第7章时间序列分析 1-* AR(2)模型的平稳域 * 《统计学》第7章时间序列分析 1-* 具有如下结构的模型称为 阶自回归模型，简记为 2、滑动平均模型（MA） 类似的， (7.8)可以表示为： (7.8) 其中 。由于 只有有限项，因此（7.8）是一个平稳过程。 * 《统计学》第7章时间序列分析 1-* MA模型的可逆性 MA模型中的一个重要内容是研究它的可逆性。令 表示 的 阶多项式，则MA(q)模型满足可逆性的充分必要条件是： 的根全部落在单位圆之外。 当满足可逆条件时，（7.8）可以写为： 由于 ，此时时间序列 可以看成是一个 模型。 ， * 《统计学》第7章时间序列分析 1-* 3、自回归滑动平均模型（ARMA） 当模型既有自回归项，又有滑动平均项时，就得到一个混合模型，称为自回归滑动平均模型，简记为 ： （7.9） 引进后移算子，模型又可以写为： * 《统计学》第7章时间序列分析 1-* 平稳条件与可逆条件 ARMA(p,q)模型的平稳条件 的根都在单位圆外 即ARMA(p,q)模型的平稳性完全由其自 回归部分的平稳性决定 ARMA(p,q)模型的可逆条件 的根都在单位圆外 即ARMA(p,q)模型的可逆性完全由其移动平滑部分的可逆性决定 * 《统计学》第7章时间序列分析 1-* 7.3.2 ARMA模型的参数估计及模型 待估参数: 个未知参数 常用估计方法: ＊ 极大似然估计 最小二乘估计 ＊ ＊ * 《统计学》第7章时间序列分析 1-* 1、 条件最小二乘估计 条件最小二乘估计主要用于AR模型参数的 估计，是一种比较简单的估计方法。 原理： 使残差平方和达到最小的那组参数值即为最小二乘估计值 ＊ * 《统计学》第7章时间序列分析 1-* 残差估计为： 的无偏估计为： 由于 具有正态分布，参数 的最小二乘估计等价于条件极大似然估计。 * 《统计学》第7章时间序列分析 1-* 度量模型拟合程度的一个统计量是 或 分别定义为： ， 其中 是基于样本数据的样本方差。 或 越大，表明模型拟合越好。在时间序列模型中， 也称为Stationary 。 * 《统计学》第7章时间序列分析 1-* 2、 条件极大似然估计 对 及 模型，模型参数估计使用比较广泛的是条件极大似然估计，我们以 为例，此时模型（7.9）可以写为 在给定 个初始值 ，及 的初 始值 之后，参数 的似然函数为： * 《统计学》第7章时间序列分析 1-* 通过极大化上述似然函数得到的参数估计就是条件极大似然估计。一般情况下，参数的估计需要迭代计算。 对应于模型拟合度量的统计量主要有AIC及BIC统计量，分别定义为 * 《统计学》第7章时间序列分析 1-* 其中， 是-2乘以最大似然函数的对数值， 代表模型中参数的个数， 是有效观察个数（即样本量）。AIC或BIC越小，说明模型拟合越好。 * 《统计学》第7章时间序列分析 1-* 7.3.3 ARMA模