第十三的时间序列分析.pptVIP

13.6 自回归法 13.6.1 自回归法的基本思想 利用简单回归分析法进行时间序列分析时，模型要求各期的随机误差项之间是不相关的。在前文的平稳随机过程的定义中也介绍过，只有误差项中不存在任何可利用的信息时，才能够认为模型已经达到了最优。而当误差项之间存在相关性时，一方面常用的估计方法不再具有优良性，普通的简单回归模型存在着较大的缺陷；另一方面也说明模型对序列中的信息没有充分地提取。 自回归模型，简写为AR模型，正是针对模型误差项存在相关性的情况而设计的一种改进方法。由于自回归模型只考虑了误差项中的一阶相关性，因此也称为一阶自回归AR（1）模型。 当前第30页\共有43页\编于星期三\11点 AR（1）模型的一般形式为： 其中， 模型的主体部分与一般的回归模型完全相同，但是其残差序列不满足一般回归模型要求的残差项之间不存在相关性的Gauss-Markov假设，而是存在着系数为ρ的一阶自相关。 当前第31页\共有43页\编于星期三\11点 第十三的时间序列分析演示文稿 * * 当前第1页\共有43页\编于星期三\11点 * * （优选）第十三的时间序列分析 当前第2页\共有43页\编于星期三\11点 3.平稳随机过程和平稳时间序列 平稳随机过程定义如下：如果对 t1，t2，…，tn，h∈T和任意整