本文介绍了ARMA模型建模前的时间序列平稳性检验，包括数据图检验、自相关函数检验、特征根检验和Rk检验。此外，还讨论了数据预处理的重要性，如剔除野点、平稳化（差分处理）和零均值化，确保序列适合建模。
平稳时间序列是ARMA模型的建模前提，对时间序列进行平稳性的判断是预测的首要步骤。一般而言，所谓的平稳时间序列是指宽平稳过程，即是一阶距与时间无关，二阶距只与时间间隔有关。有几种判断方法：1）数据图直接检验法。画出X(t)的图像，当x(t)围绕某一水平线上下波动而无明显上升、下降或周期趋势时，则认为x(t）是平稳的。（简单直接，我喜欢！）
2）自相关、偏相关函数检验法。一个零均值平稳序列的自相关函数和偏自相关函数要么是截尾的，要么是拖尾的。因此，如果一个序列零均值化以后的自相关函数或偏自相关函数既不截尾，又不拖尾则可以断定该序列时非平稳的。（方法有点晕，还需要再查查资料？？）
<
最低0.47元/天 解锁文章
3487
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
