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