第二章平稳时间序列分析
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Average model）
第二章平稳时间序列分析
AR模型的定义
n 具有如下结构的模型称为 阶自回归模 型，简记为
n 特别当
时，称为中心化 模型
第二章平稳时间序列分析
自回归系数多项式
n 引进延迟算子，中心化 以简记为
模型又可
n 自回归系数多项式
第二章平稳时间序列分析
平稳AR模型的统计性质
n 均值 n 方差 n 协方差 n 自相关系数 n 偏自相关系数
第二章平稳时间序列分析
例2.5续:考察如下AR模型的偏自相关图
第二章平稳时间序列分析
例2.1—
理论偏自相关系数
样本偏自相关图
第二章平稳时间序列分析
例2.1:—
理论偏自相关系数
样本偏自相关图
第二章平稳时间序列分析
例2.1:—
理论偏自相关系数
样本偏自相关图
第二章平稳时间序列分析
例2.1:—
样本自相关图
样本偏自相关图
第二章平稳时间序列分析
ARMA模型相关性特征
模型 AR(P) MA(q) ARMA(p,q)
自相关系数 偏自相关系数
拖尾
P阶截尾
q阶截尾
拖尾
拖尾
拖尾
第二章平稳时间序列分析
2.3平稳序列建模
n 建模步骤 n 模型识别 n 参数估计 n 模型检验 n 模型优化 n 序列预测
n 均值 n 协方差 n 自相关系数
第二章平稳时间序列分析
ARMA模型的相关性
n 自相关系数拖尾 n 偏自相关系数拖尾
第二章平稳时间序列分析
例2.3:考察ARMA模型的相关性
n 拟合模型ARMA(1,1): 并直观地考察该模型自相关系数和偏自 相关系数的性质。
第二章平稳时间序列分析
自相关系数和偏自相关系数拖尾性
n 自相关系数按负指数单调收敛到零
第二章平稳时间序列分析
例2.1:—
n 自相关系数正负相间的衰减
第二章平稳时间序列分析
例2.1:—
n 自相关系数呈现出周期性余弦衰减 •伪周期性
第二章平稳时间序列分析
例2.1:—
n 自相关系数不规则衰减
第二章平稳时间序列分析
偏自相关系数
n 定义
对平稳AR(p)序列，滞后k偏自相关系数就是指
n 反之，如果残差序列为非白噪声序列，那就意味着残 差序列中还残留着相关信息未被提取，这就说明拟合 模型不够有效
第二章平稳时间序列分析
假设条件
n 原假设：残差序列为白噪声序列 n 备择假设：残差序列为非白噪声序列
第二章平稳时间序列分析
检验统计量
n LB统计量
第二章平稳时间序列分析
例2.4续
n 检验1950年——1998年北京市城乡居民 定期储蓄比例序列拟合模型的显著性
n 优化的目的
n 选择相对最优模型
第二章平稳时间序列分析
例2.7:拟合某一化学序列
第二章平稳时间序列分析
序列自相关图
第二章平稳时间序列分析
序列偏自相关图
第二章平稳时间序列分析
拟合模型一
n 根据自相关系数2阶截尾，拟合MA(2)模型 n 参数估计
n 模型检验
n 模型显著有效 n 三参数均显著
第二章平稳时间序列分析
第二章平稳时间序列分析
模型定阶经验方法
n 如果样本(偏)自相关系数在最初的d阶明 显大于两倍标准差范围，而后几乎95％ 的自相关系数都落在2倍标准差的范围以 内，而且通常由非零自相关系数衰减为 小值波动的过程非常突然。这时，通常 视为(偏)自相关系数截尾。截尾阶数为d。
第二章平稳时间序列分析
例2.4
例2.4续
n 检验1950年——1998年北京市城乡居民定期储 蓄比例序列极大似然估计模型的参数是否显著
n 参数检验结果
检验参数 t统计量 P值 均值 81.55159 <0.0001
结论 显著
0.69141 <0.0001 显著
第二章平稳时间序列分析
例2.5续:对OVERSHORTS序列的拟合模型进行检验
拟合模型二
n 根据偏自相关系数1阶截尾，拟合AR(1)模型 n 参数估计
n 模型检验 n 模型显著有效 n 两参数均显著
第二章平稳时间序列分析
问题
n 同一个序列可以构造两个拟合模型，两 个模型都显著有效，那么到底该选择哪 个模型用于统计推断呢？
n 解决办法
n 确定适当的比较准则，构造适当的统计量， 确定相对最优
n 偏自相关图显示除了延迟1阶的偏自相关系数显著 大于2倍标准差之外，其它的偏自相关系数都在2 倍标准差范围内作小值随机波动，而且由非零相 关系数衰减为小值波动的过程非常突然，所以该 偏自相关系数可视为一阶截尾
n 所以可以考虑拟合模型为AR(1)
第二章平稳时间序列分析
例2.5
美国科罗拉多州某一加油站连续57天的OVERSHORT序列
第二章平稳时间序列分析
例2.5续
n 确定美国科罗拉多州某一加油站连续57 天的OVERSHORTS序列拟合模型的口径
n 拟合模型：MA(1) n 估计方法：条件最小二乘估计 n 模型口径
第二章平稳时间序列分析
例2.6续
n 确定1880-1985全球气表平均温度改变值 差分序列拟合模型的口径
n 拟合模型：ARMA(1,1) n 估计方法：条件最小二乘估计 n 模型口径
在给定中间k-1个随机变量
的条
件下，或者说，在剔除了中间k-1个随机变量的
干扰之后， 对 影响的相关度量。用数学语
言描述就是
第二章平稳时间序列分析
偏自相关系数的计算
n 滞后k偏自相关系数实际上就等于k阶自 回归模型第个k回归系数的值。
第二章平稳时间序列分析
偏自相关系数的截尾性
n AR(p)模型偏自相关系数P阶截尾
n 选择合适的模型ARMA拟合1950年—— 1998年北京市城乡居民定期储蓄比例序 列。
第二章平稳时间序列分析
序列自相关图
第二章平稳时间序列分析
序列偏自相关图
第二章平稳时间序列分析
拟合模型识别
n 自相关图显示延迟3阶之后，自相关系数全部衰减 到2倍标准差范围内波动，这表明序列明显地短期 相关。但序列由显著非零的相关系数衰减为小值 波动的过程相当连续，相当缓慢，该自相关系数 可视为不截尾
n 残差白噪声检验
延迟阶数 LB统计量
6
3.14
12
9.10
n 参数显著性检验
P值
0.6780 0.6130
结论
模型显著 有效
检验参数 均值
t统计量 －4.40915
0.82083
P值 0.0005 <0.0001
结论 显著 显著
来自百度文库
第二章平稳时间序列分析
例2.6续:对1880-1985全球气表平均温度改变值差分 序列拟合模型进行检验
第二章平稳时间序列分析
均值
n 如果AR(p)模型满足平稳性条件，则有 n 根据平稳序列均值为常数，且 为白噪声序列，
有 n 推导出
第二章平稳时间序列分析
AR模型自相关系数的性质
n 拖尾性 n 呈负指数衰减
第二章平稳时间序列分析
例2.1:考察如下AR模型的自相关图
第二章平稳时间序列分析
例2.1—
第二章平稳时间序列分析
模型检验
n 模型的显著性检验
n 整个模型对信息的提取是否充分
n 参数的显著性检验
n 模型结构是否最简
第二章平稳时间序列分析
模型的显著性检验
n 目的
n 检验模型的有效性（对信息的提取是否充分）
n 检验对象
n 残差序列
n 判定原则
n 一个好的拟合模型应该能够提取观察值序列中几乎所 有的样本相关信息，即残差序列应该为白噪声序列
延迟算子
n 延迟算子类似于一个时间指针，当前序 列值乘以一个延迟算子，就相当于把当 前序列值的时间向过去拨了一个时刻
n 记B为延迟算子，有
第二章平稳时间序列分析
延迟算子的性质
n
n
n
n
n
，其中
第二章平稳时间序列分析
2.2 ARMA模型的性质
n AR模型（Auto Regression Model） n MA模型（Moving Average Model） n ARMA模型（Auto Regression Moving
选择模型 AR(P) MA(q)
ARMA(p,q)
第二章平稳时间序列分析
模型定阶的困难
n 因为由于样本的随机性，样本的相关系数不会 呈现出理论截尾的完美情况，本应截尾的 或 仍会呈现出小值振荡的情况
n 由于平稳时间序列通常都具有短期相关性，随
着延迟阶数
， 与 都会衰减至零值附
近作小值波动
？当 或 在延迟若干阶之后衰减为小值波动时， 什么情况下该看作为相关系数截尾，什么情况 下该看作为相关系数在延迟若干阶之后正常衰 减到零值附近作拖尾波动呢？
第二章平稳时间序列分 析
2020/12/10
第二章平稳时间序列分析
本章结构
n 方法性工具 n ARMA模型 n 平稳序列建模 n 序列预测
第二章平稳时间序列分析
2.1 方法性工具
n 差分运算 n 延迟算子 n 线性差分方程
第二章平稳时间序列分析
差分运算
n 一阶差分 n 阶差分 n 步差分
第二章平稳时间序列分析
n 残差白噪声序列检验结果
延迟阶数 LB统计量 P值 检验结论
6
5.83
0.3229
12
10.28
0.5050 拟合模型
显著有效
18
11.38 0.8361
第二章平稳时间序列分析
参数显著性检验
n 目的
n 检验每一个未知参数是否显著非零。删除不 显著参数使模型结构最精简
n 假设条件
n 检验统计量
第二章平稳时间序列分析
n 偏自相关系数显示出典型非截尾的性质。 n 综合该序列自相关系数和偏自相关系数的性质，
为拟合模型定阶为MA(1)
第二章平稳时间序列分析
例2.6
n 1880-1985全球气表平均温度改变值差分序列
第二章平稳时间序列分析
序列自相关图
第二章平稳时间序列分析
序列偏自相关图
第二章平稳时间序列分析
拟合模型识别
n 残差白噪声检验
延迟阶数 LB统计量
6
5.28
12
10.30
n 参数显著性检验
检验参数
t统计量 0.40697 0.90009
P值
0.2595 0.4147
P值 0.0007 <0.0001
结论 模型显著
有效
结论 显著 显著
第二章平稳时间序列分析
模型优化
n 问题提出
n 当一个拟合模型通过了检验，说明在一定的 置信水平下，该模型能有效地拟合观察值序 列的波动，但这种有效模型并不是唯一的。
n 常数均值 n 常数方差
第二章平稳时间序列分析
MA模型的统计性质
n 偏自相关系数拖尾
第二章平稳时间序列分析
例2.2:考察如下MA模型的相关性质
第二章平稳时间序列分析
MA模型的自相关系数截尾
第二章平稳时间序列分析
MA模型的自相关系数截尾
第二章平稳时间序列分析
MA模型的偏自相关系数拖尾
第二章平稳时间序列分析
理论偏自相关系数
样本偏自相关系数图
第二章平稳时间序列分析
MA模型的定义
n 具有如下结构的模型称为 阶自回归模 型，简记为
n 特别当
时，称为中心化 模型
第二章平稳时间序列分析
移动平均系数多项式
n 引进延迟算子，中心化 以简记为
模型又可
n 阶移动平均系数多项式
第二章平稳时间序列分析
MA模型的统计性质
n 自相关系数显示出不截尾的性质 n 偏自相关系数也显示出不截尾的性质 n 综合该序列自相关系数和偏自相关系数
的性质，可以尝试使用ARMA(1,1)模型拟 合该序列
第二章平稳时间序列分析
例2.4续
n 确定1950年——1998年北京市城乡居民 定期储蓄比例序列拟合模型的口径
n 拟合模型：AR(1) n 估计方法：极大似然估计 n 模型口径
第二章平稳时间序列分析
建模步骤
•平 •计 •稳 •算 •非 •样 •白 •本 •噪 •相 •声 •关 •序 •系 •列 •数
•模型 •识别
•参数 •估计
•模 •序
•N •模型 •Y •型 •列
•检验
•优 •预
•化 •测
第二章平稳时间序列分析
模型识别
基本原则
拖尾 q阶截尾
拖尾
P阶截尾 拖尾 拖尾
MA模型的偏自相关系数拖尾
第二章平稳时间序列分析
ARMA模型的定义
n 具有如下结构的模型称为自回归移动平 均模型，简记为
n 特别当 模型
时，称为中心化
第二章平稳时间序列分析
系数多项式
n 引进延迟算子，中心化 又可以简记为
模型
n 阶自回归系数多项式
n 阶移动平均系数多项式
第二章平稳时间序列分析
ARMA(p,q)模型的统计性质
第二章平稳时间序列分析
序列自相关图
第二章平稳时间序列分析
序列偏自相关图
第二章平稳时间序列分析
拟合模型识别
n 自相关图显示除了延迟1阶的自相关系数在2倍 标准差范围之外，其它阶数的自相关系数都在2 倍标准差范围内波动。根据这个特点可以判断 该序列具有短期相关性，进一步确定序列平稳。 同时，可以认为该序列自相关系数1阶截尾
第二章平稳时间序列分析
AIC准则
n 最小信息量准则（An Information Criterion）
n 指导思想
n 似然函数值越大越好 n 未知参数的个数越少越好
n AIC统计量
第二章平稳时间序列分析
SBC准则
n AIC准则的缺陷
第二章平稳时间序列分析
AR模型的定义
n 具有如下结构的模型称为 阶自回归模 型，简记为
n 特别当
时，称为中心化 模型
第二章平稳时间序列分析
自回归系数多项式
n 引进延迟算子，中心化 以简记为
模型又可
n 自回归系数多项式
第二章平稳时间序列分析
平稳AR模型的统计性质
n 均值 n 方差 n 协方差 n 自相关系数 n 偏自相关系数
第二章平稳时间序列分析
例2.5续:考察如下AR模型的偏自相关图
第二章平稳时间序列分析
例2.1—
理论偏自相关系数
样本偏自相关图
第二章平稳时间序列分析
例2.1:—
理论偏自相关系数
样本偏自相关图
第二章平稳时间序列分析
例2.1:—
理论偏自相关系数
样本偏自相关图
第二章平稳时间序列分析
例2.1:—
样本自相关图
样本偏自相关图
第二章平稳时间序列分析
ARMA模型相关性特征
模型 AR(P) MA(q) ARMA(p,q)
自相关系数 偏自相关系数
拖尾
P阶截尾
q阶截尾
拖尾
拖尾
拖尾
第二章平稳时间序列分析
2.3平稳序列建模
n 建模步骤 n 模型识别 n 参数估计 n 模型检验 n 模型优化 n 序列预测
n 均值 n 协方差 n 自相关系数
第二章平稳时间序列分析
ARMA模型的相关性
n 自相关系数拖尾 n 偏自相关系数拖尾
第二章平稳时间序列分析
例2.3:考察ARMA模型的相关性
n 拟合模型ARMA(1,1): 并直观地考察该模型自相关系数和偏自 相关系数的性质。
第二章平稳时间序列分析
自相关系数和偏自相关系数拖尾性
n 自相关系数按负指数单调收敛到零
第二章平稳时间序列分析
例2.1:—
n 自相关系数正负相间的衰减
第二章平稳时间序列分析
例2.1:—
n 自相关系数呈现出周期性余弦衰减 •伪周期性
第二章平稳时间序列分析
例2.1:—
n 自相关系数不规则衰减
第二章平稳时间序列分析
偏自相关系数
n 定义
对平稳AR(p)序列，滞后k偏自相关系数就是指
n 反之，如果残差序列为非白噪声序列，那就意味着残 差序列中还残留着相关信息未被提取，这就说明拟合 模型不够有效
第二章平稳时间序列分析
假设条件
n 原假设：残差序列为白噪声序列 n 备择假设：残差序列为非白噪声序列
第二章平稳时间序列分析
检验统计量
n LB统计量
第二章平稳时间序列分析
例2.4续
n 检验1950年——1998年北京市城乡居民 定期储蓄比例序列拟合模型的显著性
n 优化的目的
n 选择相对最优模型
第二章平稳时间序列分析
例2.7:拟合某一化学序列
第二章平稳时间序列分析
序列自相关图
第二章平稳时间序列分析
序列偏自相关图
第二章平稳时间序列分析
拟合模型一
n 根据自相关系数2阶截尾，拟合MA(2)模型 n 参数估计
n 模型检验
n 模型显著有效 n 三参数均显著
第二章平稳时间序列分析
第二章平稳时间序列分析
模型定阶经验方法
n 如果样本(偏)自相关系数在最初的d阶明 显大于两倍标准差范围，而后几乎95％ 的自相关系数都落在2倍标准差的范围以 内，而且通常由非零自相关系数衰减为 小值波动的过程非常突然。这时，通常 视为(偏)自相关系数截尾。截尾阶数为d。
第二章平稳时间序列分析
例2.4
例2.4续
n 检验1950年——1998年北京市城乡居民定期储 蓄比例序列极大似然估计模型的参数是否显著
n 参数检验结果
检验参数 t统计量 P值 均值 81.55159 <0.0001
结论 显著
0.69141 <0.0001 显著
第二章平稳时间序列分析
例2.5续:对OVERSHORTS序列的拟合模型进行检验
拟合模型二
n 根据偏自相关系数1阶截尾，拟合AR(1)模型 n 参数估计
n 模型检验 n 模型显著有效 n 两参数均显著
第二章平稳时间序列分析
问题
n 同一个序列可以构造两个拟合模型，两 个模型都显著有效，那么到底该选择哪 个模型用于统计推断呢？
n 解决办法
n 确定适当的比较准则，构造适当的统计量， 确定相对最优
n 偏自相关图显示除了延迟1阶的偏自相关系数显著 大于2倍标准差之外，其它的偏自相关系数都在2 倍标准差范围内作小值随机波动，而且由非零相 关系数衰减为小值波动的过程非常突然，所以该 偏自相关系数可视为一阶截尾
n 所以可以考虑拟合模型为AR(1)
第二章平稳时间序列分析
例2.5
美国科罗拉多州某一加油站连续57天的OVERSHORT序列
第二章平稳时间序列分析
例2.5续
n 确定美国科罗拉多州某一加油站连续57 天的OVERSHORTS序列拟合模型的口径
n 拟合模型：MA(1) n 估计方法：条件最小二乘估计 n 模型口径
第二章平稳时间序列分析
例2.6续
n 确定1880-1985全球气表平均温度改变值 差分序列拟合模型的口径
n 拟合模型：ARMA(1,1) n 估计方法：条件最小二乘估计 n 模型口径
在给定中间k-1个随机变量
的条
件下，或者说，在剔除了中间k-1个随机变量的
干扰之后， 对 影响的相关度量。用数学语
言描述就是
第二章平稳时间序列分析
偏自相关系数的计算
n 滞后k偏自相关系数实际上就等于k阶自 回归模型第个k回归系数的值。
第二章平稳时间序列分析
偏自相关系数的截尾性
n AR(p)模型偏自相关系数P阶截尾
n 选择合适的模型ARMA拟合1950年—— 1998年北京市城乡居民定期储蓄比例序 列。
第二章平稳时间序列分析
序列自相关图
第二章平稳时间序列分析
序列偏自相关图
第二章平稳时间序列分析
拟合模型识别
n 自相关图显示延迟3阶之后，自相关系数全部衰减 到2倍标准差范围内波动，这表明序列明显地短期 相关。但序列由显著非零的相关系数衰减为小值 波动的过程相当连续，相当缓慢，该自相关系数 可视为不截尾
n 残差白噪声检验
延迟阶数 LB统计量
6
3.14
12
9.10
n 参数显著性检验
P值
0.6780 0.6130
结论
模型显著 有效
检验参数 均值
t统计量 －4.40915
0.82083
P值 0.0005 <0.0001
结论 显著 显著
来自百度文库
第二章平稳时间序列分析
例2.6续:对1880-1985全球气表平均温度改变值差分 序列拟合模型进行检验
第二章平稳时间序列分析
均值
n 如果AR(p)模型满足平稳性条件，则有 n 根据平稳序列均值为常数，且 为白噪声序列，
有 n 推导出
第二章平稳时间序列分析
AR模型自相关系数的性质
n 拖尾性 n 呈负指数衰减
第二章平稳时间序列分析
例2.1:考察如下AR模型的自相关图
第二章平稳时间序列分析
例2.1—
第二章平稳时间序列分析
模型检验
n 模型的显著性检验
n 整个模型对信息的提取是否充分
n 参数的显著性检验
n 模型结构是否最简
第二章平稳时间序列分析
模型的显著性检验
n 目的
n 检验模型的有效性（对信息的提取是否充分）
n 检验对象
n 残差序列
n 判定原则
n 一个好的拟合模型应该能够提取观察值序列中几乎所 有的样本相关信息，即残差序列应该为白噪声序列
延迟算子
n 延迟算子类似于一个时间指针，当前序 列值乘以一个延迟算子，就相当于把当 前序列值的时间向过去拨了一个时刻
n 记B为延迟算子，有
第二章平稳时间序列分析
延迟算子的性质
n
n
n
n
n
，其中
第二章平稳时间序列分析
2.2 ARMA模型的性质
n AR模型（Auto Regression Model） n MA模型（Moving Average Model） n ARMA模型（Auto Regression Moving
选择模型 AR(P) MA(q)
ARMA(p,q)
第二章平稳时间序列分析
模型定阶的困难
n 因为由于样本的随机性，样本的相关系数不会 呈现出理论截尾的完美情况，本应截尾的 或 仍会呈现出小值振荡的情况
n 由于平稳时间序列通常都具有短期相关性，随
着延迟阶数
， 与 都会衰减至零值附
近作小值波动
？当 或 在延迟若干阶之后衰减为小值波动时， 什么情况下该看作为相关系数截尾，什么情况 下该看作为相关系数在延迟若干阶之后正常衰 减到零值附近作拖尾波动呢？
第二章平稳时间序列分 析
2020/12/10
第二章平稳时间序列分析
本章结构
n 方法性工具 n ARMA模型 n 平稳序列建模 n 序列预测
第二章平稳时间序列分析
2.1 方法性工具
n 差分运算 n 延迟算子 n 线性差分方程
第二章平稳时间序列分析
差分运算
n 一阶差分 n 阶差分 n 步差分
第二章平稳时间序列分析
n 残差白噪声序列检验结果
延迟阶数 LB统计量 P值 检验结论
6
5.83
0.3229
12
10.28
0.5050 拟合模型
显著有效
18
11.38 0.8361
第二章平稳时间序列分析
参数显著性检验
n 目的
n 检验每一个未知参数是否显著非零。删除不 显著参数使模型结构最精简
n 假设条件
n 检验统计量
第二章平稳时间序列分析
n 偏自相关系数显示出典型非截尾的性质。 n 综合该序列自相关系数和偏自相关系数的性质，
为拟合模型定阶为MA(1)
第二章平稳时间序列分析
例2.6
n 1880-1985全球气表平均温度改变值差分序列
第二章平稳时间序列分析
序列自相关图
第二章平稳时间序列分析
序列偏自相关图
第二章平稳时间序列分析
拟合模型识别
n 残差白噪声检验
延迟阶数 LB统计量
6
5.28
12
10.30
n 参数显著性检验
检验参数
t统计量 0.40697 0.90009
P值
0.2595 0.4147
P值 0.0007 <0.0001
结论 模型显著
有效
结论 显著 显著
第二章平稳时间序列分析
模型优化
n 问题提出
n 当一个拟合模型通过了检验，说明在一定的 置信水平下，该模型能有效地拟合观察值序 列的波动，但这种有效模型并不是唯一的。
n 常数均值 n 常数方差
第二章平稳时间序列分析
MA模型的统计性质
n 偏自相关系数拖尾
第二章平稳时间序列分析
例2.2:考察如下MA模型的相关性质
第二章平稳时间序列分析
MA模型的自相关系数截尾
第二章平稳时间序列分析
MA模型的自相关系数截尾
第二章平稳时间序列分析
MA模型的偏自相关系数拖尾
第二章平稳时间序列分析
理论偏自相关系数
样本偏自相关系数图
第二章平稳时间序列分析
MA模型的定义
n 具有如下结构的模型称为 阶自回归模 型，简记为
n 特别当
时，称为中心化 模型
第二章平稳时间序列分析
移动平均系数多项式
n 引进延迟算子，中心化 以简记为
模型又可
n 阶移动平均系数多项式
第二章平稳时间序列分析
MA模型的统计性质
n 自相关系数显示出不截尾的性质 n 偏自相关系数也显示出不截尾的性质 n 综合该序列自相关系数和偏自相关系数
的性质，可以尝试使用ARMA(1,1)模型拟 合该序列
第二章平稳时间序列分析
例2.4续
n 确定1950年——1998年北京市城乡居民 定期储蓄比例序列拟合模型的口径
n 拟合模型：AR(1) n 估计方法：极大似然估计 n 模型口径
第二章平稳时间序列分析
建模步骤
•平 •计 •稳 •算 •非 •样 •白 •本 •噪 •相 •声 •关 •序 •系 •列 •数
•模型 •识别
•参数 •估计
•模 •序
•N •模型 •Y •型 •列
•检验
•优 •预
•化 •测
第二章平稳时间序列分析
模型识别
基本原则
拖尾 q阶截尾
拖尾
P阶截尾 拖尾 拖尾
MA模型的偏自相关系数拖尾
第二章平稳时间序列分析
ARMA模型的定义
n 具有如下结构的模型称为自回归移动平 均模型，简记为
n 特别当 模型
时，称为中心化
第二章平稳时间序列分析
系数多项式
n 引进延迟算子，中心化 又可以简记为
模型
n 阶自回归系数多项式
n 阶移动平均系数多项式
第二章平稳时间序列分析
ARMA(p,q)模型的统计性质
第二章平稳时间序列分析
序列自相关图
第二章平稳时间序列分析
序列偏自相关图
第二章平稳时间序列分析
拟合模型识别
n 自相关图显示除了延迟1阶的自相关系数在2倍 标准差范围之外，其它阶数的自相关系数都在2 倍标准差范围内波动。根据这个特点可以判断 该序列具有短期相关性，进一步确定序列平稳。 同时，可以认为该序列自相关系数1阶截尾
第二章平稳时间序列分析
AIC准则
n 最小信息量准则（An Information Criterion）
n 指导思想
n 似然函数值越大越好 n 未知参数的个数越少越好
n AIC统计量
第二章平稳时间序列分析
SBC准则
n AIC准则的缺陷