易丹辉-经济预测与决策3（2019）.pptVIP

* 2. 参数估计 3.模型检验 残差序列的自相关检验 直观判断 残差序列的自相关系数是否落入随机区间 检验 原假设：残差序列相互独立 检验统计量 服从 （ m – p – q ）分布。其中，m 是最大时滞数，n 为计算 （e）的数据个数。 * LM检验 检验是将有限制和无限制模型进行比较作出判断。有限制条件的模型记作R，可以写成AR(p)的形式 无限制条件模型记作UR，可以写成AR(p+r)的形式 或ARMA(p,r) 原假设：残差序列不存在自相关，即AR(p)模型合理 检验统计量 LM 其服从自由度为r的 分布，r是UR模型与R模型待估计 参数个数之差。 是UR模型的拟合优度。 例5.1 * 五、时序模型预测 1. 最小方差预测： 使时间序列未来值的预测误差尽可能小 预测误差 （L）= - （L） 的方差 E（ （L） = E（ - （L） 应达到最小 。 * 也就是要使选择的时间序列L步预测值（L）与时间序列实际值之间距离比其它任何一点都短。 2. 预测的递推形式 * 第五章 随机时间序列预测 一、 概述 （一）模型的引进 多元线性回归 自回归 移动平均模型 简单平均：序列平稳 围绕均值波动 = = = = * 移动平均：近期数据对预测的影响更重要 加进新数据，则删除远离现在的数据 = = = = T的作用：平滑数据 T的取值：自然数 数值大小对结果的影响 * = + （ ） = + 以均值替代 有 特点：利用误差修正，调整前期预测值 跟踪数据变化 时间序列可以用过去的误差项表出 = + +……+ + * （二） 自相关函数 1. 自相关含义 时间序列诸项之间的简单相关 2. 自相关系数 计算公式 式中：n为样本数据个数；k为滞后期； 为样本数据平均值。 * 自相关系数 与简单相关系数一样，取值范围为[-1,+1]。其绝对值越接近于1，表明自相关程度越高。 最大滞后阶数k取 、 、 ，n为观测数据的个数。 3. 自相关分析图 * （三）偏自相关 含义：时间序列 ，在给定了 ， ，……， 的条件下， 与 之间的条件相关。 偏自相关系数： * 计算公式 其中， 取值 同自相关系数，在正负1之间 * 二、时序特性的分析 1. 随机性的测定 若一个时间序列由完全随机的数字构成，那么这个序列的各项之间不会有任何相关关系，序列为纯随机序列，即完全随机的序列。纯随机序列中不会存在任何模型。 测定时序的随机性，可以根据经验方法也可以运用统计检验。 经验方法是依据时序的自相关系数。时序的自相关系数基本落入随机区间，该时间序列为纯随机序列；有较多自相关系数落入随机区间外，时间序列就是非纯随机序列。 * 2. 时序的平稳性 （1） 平稳的含义和判定 描述性定义：如果一个时间序列的统计特征不随时间推移而变化，即满足下面两个条件： 对于任意的时间t，其均值恒为一常数； 对于任意的时间t和s，其自相关系数只与时间间隔t-s有关，而与t和s的起始点无关,则被称为平稳时间序列。 自相关的特点： 自相关系数 在K等于2或3后迅速趋于零。 * 平稳时间序列曲线图 非平稳时间序列曲线图 * 时序趋势的消除 非平稳性能够被消除的时间序列称为齐次非平稳时间序列。 一阶差分（逐期、短差） 二阶差分 ▽Yt=Yt-Yt-1