时间序列分析part1由来与特点

特点：有一个坐标轴是时间数据
参考适用范围:害虫目击报告数据，股票，期货，外汇，医疗，一些经济指标(GDP,CPI)

建模的目的→通过模型拟合数据→预测数据趋势，简单来说就是用数学表示世界

一般都称为趋势模型(Trend model)
一般简单地分为：
1线性趋势模型(Linear trend model)→y=kx+b
2对数线性趋势模型(Log-linear trend model)→e的kx+b次方，两边同时取对数得：
进一步改写，得f(x) = kx+b

3非线性趋势模型(Nonlinear trend model)

时间序列分析的难点
不能把时间直接代进去
故我们要对时间进行重新排序
比如现有以下时间：
2000 2001 2002
我们就重新标记为0，1，2

然后我们把对应得数据做成散点，打到图上，根据点在图上的分布，看是线性(一般线性，2对数线性)还是非线性

特别地，对于对数线性趋势模型(Log-linear trend model)数据拟合之后要先两边取log，然后回归预测之后在把它反求回去，对于自相关问题要进行DW检验

本质：对时间数据做一元回归
那么就要做各种检验
1，BP test →主要看平均数(means)，方差(variance)
2, DW test→序列相关(Sequence correlation)

AR模型(Autoregressive model)原理：用昨天推导今天