平稳时间序列模型的建立课件.pptVIP

（二）AR(p)模型參數的矩估計設序列xt經過模型識別，確定為AR(p)模型。由第四章有如下結論：於是可得如下的Yule-Walk方程：用代替，並解上述方程組，就可得：根據自協方差公式有：於是可得到的矩估計：例1，AR(1)模型的矩估計例2，AR(2)模型參數的矩估計（三）MA(q)模型參數的矩估計第四章已經推導出MA(q)的自協方差結果，將代替，代替(i=1,2…q),得如下方程組：上式是含有q+1個參數的非線性方程組，解此方程組，即可以求出各參數：方程組可以直接求解，也可以用迭代法求解。例，MA(1)模型參數的矩估計（二）樣本自相關函數(SACF)和偏自相關函數(SPACF)截尾性的判斷。前面模型識別方法中有關自相關函數、偏自相關函數截尾性的判斷僅是理論上的，實際上的樣本自相關函數和樣本偏自相關函數僅是理論上的一個估計值，由於樣本的隨機性，免不了有誤差。因此需要根據SACF和SPACF對ACF和PACF的截尾性作一判斷。1.樣本自相關函數截尾性的判斷方法理論上證明：若序列xt為MA(q)序列，則kq後，序列的樣本自相關函數漸近服從正態分佈，即：故由正態分佈理論可知：此處n是樣本容量。對於kq，若的個數不超過總個數的31.7%，或的個數不超過總個數的4.5%，就可認為在kq時是截尾的。在實際進行檢驗時，可對每個k0，分別檢驗（通常取）中滿足的個數所占的百分比是否超過31.7%，或滿足的個數是否超過4.5%。若k=1,2,…q-1都超過了而k=q時未超過，就可認為在kq時是截尾的。2.樣本偏自相關函數截尾性的判斷方法可以證明：若序列xt為AR(p)序列，則kp後，序列的樣本偏自相關函數服從漸近正態分佈，即近似的有：此處n表示樣本容量。於是可得：在實際進行檢驗時，可對每個k0，分別檢驗（通常取）中滿足的個數所占的百分比是否超過31.7%，或滿足的個數是否超過4.5%。若k=1,2,…p-1都超過了，而k=p時未超過，就可認為在kq時是截尾的。（三）關於ARMA序列階數的確定ARMA序列的階數，直接通過自相關圖較難確定，較常用的方法有Pandit-Wu方法(後將介紹)或延伸自相關函數(EACF)法。（延伸自相關函數可參見P217附錄I）第二節模型的定階模型的定階又稱模型的過擬合檢驗，分兩種情況，一是評價模型是否包含過多的參數。二是評價模型是否參數不足，需要擬合額外的參數。模型定階的準則主要有殘差方差圖定階法、F檢驗定階法、AIC和SBC定階準則等等。第二節模型的定階一、殘差方差圖定階法二、F檢驗定階法三、最佳準則函數定法一、殘差方差圖定階法（見P94）1.基本思想如果擬合的模型階數與真正階數不符合，則模型的殘差平方和SSE必然偏大，殘差方差將比真正模型的殘差方差大。如果是不足擬合，那麼逐漸增加模型階數，模型的殘差方差會漸減少，直到殘差方差達到最小。如果是過度擬合，此時逐漸少模型階數，模型殘差方差分逐漸下降，直到殘差方差達到最小。2.殘差方差的估計公式注：式中“實際觀察值個數”是指擬合模型時實際使用的觀察值項數，即經過平穩化後的有效樣本容量。設原序列有n個樣本，若建立的模型中有含有自回歸AR部分,且階數為p，則實際觀察值個數為n-p個。若沒有AR部分，則實際觀察值個數即為n個。模型的參數個數指模型中所含的參數個數，如：若是不帶常數項的ARMA(p,q)模型，參數個數為p+q個，若帶有常數項，則參數個數為p+q+1個。用Eviews建立ARMA模型後，可直接得到剩餘平方和SSE(Sumsquaredresid)輸出結果中也可直接得到殘差標準差：S.E.ofregression，此項的平方即為殘差方差。因此，對不同的模型殘差方差進行比較，直接比較此項既可。例：以zl14.w