- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
非參數檢驗可以很方便的通過SPSS軟體進行,游程檢驗可見操作。實例:用游程檢驗ST數據的平穩性;步驟如下:1.打開SPSS輸入數據2.依次單擊Analyze—NonparmetricTests—Runs;打開Runs對話框。3.在源變數對話框中選擇“stpoor”進入“TestVariablelist”欄內4.選中“cutpoint”欄中“mean”選項5.單擊“OK”按紐,開始進行統計分析。輸出結果分析:因為P值(sig.)極小,所以拒絕零假設,故原序列是非平穩的。*非平穩時間序列模型第一節非平穩時間序列模型的種類一、均值非平穩過程二、方差和自協方差非平穩過程一、均值非平穩過程均值非平穩過程指隨機過程的均值隨均值函數的變化而變化。我們可以引進兩種非常有用的均值非平穩過程:確定趨勢模型和隨機趨勢模型。(一)確定趨勢模型當非平穩過程均值函數可由一個特定的時間趨勢表示時,一個標準的回歸模型曲線可用來描述這種現象。此外,均值函數還可能是指數函數、正弦—余弦波函數等,這些模型都可以通過標準的回歸分析處理。處理方法是先擬合出μt的具體形式,然後對殘差序列yt={xt-μt}按平穩過程進行分析和建模。(二)隨機趨勢模型隨機趨勢模型又稱齊次非平穩ARMA模型。為理解齊次非平穩ARMA模型,可先對ARMA模型的性質作一回顧。可見我們所能分析處理的僅是一些特殊的非平穩序列,即齊次非平穩序列。由於齊次非平穩序列模型恰有d個特徵根在單位圓上,即有d個單位根,因此齊次非平穩序列又稱單位根過程。二、方差和自協方差非平穩過程一個均值平穩過程不一定是方差和自協方差平穩過程,同時一個均值非平穩過程也可能是方差和自協方差非平穩過程。不是所有的非平穩問題都可以用差分方法解決,還有期望平穩和方差非平穩序列,為了克服這個問題,我們需要適當進行方差平穩化變換。這個變換最早由BOX和COX於1964年提出,因此稱作BOX—COX變換。其中λ為變換參數。第二節非平穩性的檢驗一、通過時間序列的趨勢圖來判斷二、通過自相關函數(ACF)判斷三、特徵根檢驗法四、用非參數檢驗方法判斷序列的平穩性五、隨機遊走的單位根檢驗一、通過時間序列的趨勢圖來判斷這種方法通過觀察時間序列的趨勢圖來判斷時間序列是否存在趨勢性或週期性。優點:簡便、直觀。對於那些明顯為非平穩的時間序列,可以採用這種方法。缺點:對於一般的時間序列是否平穩,不易用這種方法判斷出來。二、通過自相關函數(ACF)判斷平穩時間序列的自相關函數(ACF)要麼是截尾的,要麼是拖尾的。因此我們可以根據這個特性來判斷時間序列是否為平穩序列。若時間序列具有上升或下降的趨勢,那麼對於所有短時滯來說,自相關係數大且為正,而且隨著時滯k的增加而緩慢地下降。若序列無趨勢,但是具有季節性,那末對於按月採集的數據,時滯12,24,36……的自相關係數達到最大(如果數據是按季度採集,則最大自相關係數出現在4,8,12,……),並且隨著時滯的增加變得較小。若序列是有趨勢的,且具有季節性,其自相關函數特性類似於有趨勢序列,但它們是擺動的,對於按月數據,在時滯12,24,36,……等處具有峰態;如果時間序列數據是按季節的,則峰出現在時滯4,8,12,……等處。三、特徵根檢驗法(P146)根據擬合出的時序模型參數檢驗(P146)基本思想:時間序列模型的平穩性條件不僅可以用特徵根來表示,也可以用模型的自回歸參數表示,因此要檢驗一個序列是否平穩,可以先擬合適應的模型,然後再根據求出的自回歸參數來檢驗序列是否平穩。檢驗方法:參見課本146四、用非參數檢驗方法判斷序列的平穩性(一)什麼是參數檢驗和非參數檢驗?參數檢驗:參數檢驗是這樣一種檢驗,它的模型對抽出研究樣本的總體的分佈作了限制性假定。。如果對總體的分佈不知道或瞭解很少,則參數檢驗方法就不可靠,甚至會發生較大偏差。非參數檢驗:非參數檢驗是一種不依賴於總體分佈知識的檢驗方法。由於非參數檢驗不對總體分佈加以限制性假定,所以它也稱為自由分佈檢驗。非參數檢驗與參數檢驗相比有如下優點:a.檢驗條件比較寬鬆,適應性強。b.參數檢驗對樣本容量的要求極低。c.檢驗方法靈活,用途更廣泛。非參數檢驗主要用順序統計量進行檢驗,因此它既可檢驗定距數據和定比數據,又可以檢驗定類數據和定序數據;而參數檢驗只能處理定距數據和定比數據。因為這些優點,非參數檢驗比參數檢驗應用更廣泛。d.非參數檢驗計算相對簡單,易於理解。非參數檢驗的缺點:如果參數統計模型的所有假設在數據中事實上都能滿足,而且測量達到了所要求的水準(
文档评论(0)