时间序列第二章.pptVIP

纯随机性检验 纯随机序列的定义 纯随机性的性质 纯随机性检验 第三十页，共五十四页，2022年，8月28日 纯随机序列的定义 纯随机序列也称为白噪声序列，它满足如下两条性质 第三十一页，共五十四页，2022年，8月28日 标准正态白噪声序列时序图 第三十二页，共五十四页，2022年，8月28日 白噪声序列的性质 纯随机性方差齐性 各序列值之间没有任何相关关系，即为 “没有记忆”的序列 方差齐性 根据马尔可夫定理，只有方差齐性假定成立时，用最小二乘法得到的未知参数估计值才是准确的、有效的 第三十三页，共五十四页，2022年，8月28日 纯随机性检验 检验原理 假设条件 检验统计量 判别原则 第三十四页，共五十四页，2022年，8月28日 Barlett定理 如果一个时间序列是纯随机的，得到一个观察期数为 的观察序列，那么该序列的延迟非零期的样本自相关系数将近似服从均值为零，方差为序列观察期数倒数的正态分布 第三十五页，共五十四页，2022年，8月28日 假设条件 原假设：延迟期数小于或等于 期的序列值之间相互独立 备择假设：延迟期数小于或等于 期的序列值之间有相关性 第三十六页，共五十四页，2022年，8月28日 检验统计量 Q统计量 LB统计量 第三十七页，共五十四页，2022年，8月28日 判别原则 拒绝原假设 当检验统计量大于 分位点，或该统计量的P值小于 时，则可以以 的置信水平拒绝原假设，认为该序列为非白噪声序列 接受原假设 当检验统计量小于 分位点，或该统计量的P值大于 时，则认为在 的置信水平下无法拒绝原假设，即不能显著拒绝序列为纯随机序列的假定 第三十八页，共五十四页，2022年，8月28日 时间序列课件第二章 第一页，共五十四页，2022年，8月28日 平稳性检验 特征统计量 平稳时间序列的定义 平稳时间序列的统计性质 平稳时间序列的意义 平稳性的检验 第二页，共五十四页，2022年，8月28日 特征统计量 均值 方差 自协方差 自相关系数 第三页，共五十四页，2022年，8月28日 平稳时间序列的定义 严平稳 严平稳是一种条件比较苛刻的平稳性定义，它认为只有当序列所有的统计性质都不会随着时间的推移而发生变化时，该序列才能被认为平稳。 宽平稳 宽平稳是使用序列的特征统计量来定义的一种平稳性。它认为序列的统计性质主要由它的低阶矩决定，所以只要保证序列低阶矩平稳（二阶），就能保证序列的主要性质近似稳定。 第四页，共五十四页，2022年，8月28日 平稳时间序列的统计定义 满足如下条件的序列称为严平稳序列 满足如下条件的序列称为宽平稳序列 第五页，共五十四页，2022年，8月28日 严平稳与宽平稳的关系 一般关系 严平稳条件比宽平稳条件苛刻，通常情况下，严平稳（低阶矩存在）能推出宽平稳成立，而宽平稳序列不能反推严平稳成立 特例 不存在低阶矩的严平稳序列不满足宽平稳条件 当序列服从多元正态分布时，宽平稳可以推出严平稳 第六页，共五十四页，2022年，8月28日 平稳时间序列的统计性质 常数均值 自协方差函数和自相关函数只依赖于时间的平移长度而与时间的起止点无关 延迟k自协方差函数 延迟k自相关系数 第七页，共五十四页，2022年，8月28日 若{Xt}为平稳序列，假定EXt=0，由于 令s=t-k，于是我们就可以用以下记号表示平稳序列的自协方差函数，即： 相应的，自相关函数记为： 第八页，共五十四页，2022年，8月28日 自相关系数的性质 规范性 对称性 非负定性 非唯一性 第九页，共五十四页，2022年，8月28日 平稳时间序列的意义 时间序列数据结构的特殊性 可列多个随机变量，而每个变量只有一个样本观察值 平稳性的重大意义 极大地减少了随机变量的个数，并增加了待估变量的样本容量 极大地简化了时序分析的难度，同时也提高了对特征统计量的估计精度 第十页，共五十四页，2022年，8月28日 平稳性的检验（图检验方法） 时序图检验 根据平稳时间序列均值、方差为常数的性质，平稳序列的时序图应该显示出该序列始终在一个常数值附近随机波动，而且波动的范围有界、无明显趋势及周期特征 自相关图检验 平稳序列通常具有短期相关性。该性质用自相关系数来描述就是随着延迟期数的增加，平稳序列的自相关系数会很快地衰减向零 第十一页，共五十四页，2022年，8月28日 例题 例2.1 检验1964年——1999年中国纱年产量序列的平稳性 例2.2 检验1962年1月——1975年12月平均每头奶牛月产奶量序列的平稳性 例2.3