线性平稳时间序列模型课件.pptVIP

三、自回歸移動平均模型，ARMA（p,q）1.自回歸移動平均模型的一般形式如果xt即有AR模型特性，又有MA模型的特性，那麼它可以用如下的線性模型來描述：其中：(1)at是白雜訊序列,(2)假定：E(xt,as)=0(ts)，那麼我們就說xt滿足自回歸移動平均模型，記為ARMA(p,q)。例如ARMA(2,1)ARMA(3,2)……從以上可以看出AR、MA、ARMA(p,q)等模型均可以看作是ARMA(p,p-1)模型的特例，這為我們提供了一種很好的建模策略，即建模時，可以通過逐漸增加ARMA(p,p-1)模型的階數，逐漸找到最有效的模型。參見課本P41思考：如果{xt}是一個非零均值的平穩時間序列，怎麼對其建立模型？5.應用舉例例4：標準正態白雜訊序列純隨機性檢驗。例3續對1949－1998年北京市最高氣溫序列做白雜訊檢驗。例5對1950年——1998年北京市城鄉居民定期儲蓄所占比例序列的平穩性與純隨機性進行檢驗。例4：

標準正態白雜訊序列純隨機性檢驗樣本自相關圖返回例題檢驗結果延遲Q統計量檢驗Q統計量值P值延遲6期4.34350.63延遲12期14.1710.29由於P值顯著大於顯著性水準，所以該序列不能拒絕純隨機的原假設。返回例題例3續對1949－1998年北京市最高