预测与决策教程(第2版)课件:时间序列模型的参数估计与检验.pptx
主要内容:随机型时间序列预测概述
随机型时间序列基本模型
ARMA模型的相关分析
模型的识别
ARMA序列的参数估计
模型的检验与预报;4.4ARMA模型的参数估计;AR(p)、MA(q)、ARMA(p,q)模型的参数估计方法比较多,大体上分为3类:
(1)矩估计
(2)最小二乘估计
(3)极大似然估计
我们只介绍矩估计方法。;在AR(p)模型的识别中,曾得到;利用实际时间序列提供的信息,首先求得自相关函数的估计值;二、MA(q)模型的矩估计;三、ARMA(p,q)模型的矩估计;第二步,改写模型,求以及的估计值;需要说明的是,在上述模型的平稳性、识别与估计的讨论中,ARMA(p,q)模型中均未包含常数项。;小结:时间序列模型的参数估计;ARMA(p,q)模型的建立是一个反复适应的过程,从模型识别和参数估计开始,在进行了参数估计以后,通过假设检验来检查模型的适应性。一般地,与回归分析类似,关于模型的诊断检验有两类问题。一类是模型的显著性检验,另外一类是参数的显著性检验。;检验对象:
残差序列,记为;(1)散点图法
作出对和对的散点图,然后分析的独立性。若两类散点图都呈现不相关的趋势,则可认为是独立的。;
(2)估计相关系数法;将的自相关函数记为,构造Q统计量为;2.参数显著性检验;小结:时间序列模型的检验;