ARIMA模型之疏系数模型

目录

1.疏系数模型的定义

2.拟合ARIMA疏系数模型函数

例题:

小结


1.疏系数模型的定义

        ARIMA(p,d,q)模型是指d阶差分后自相关最高阶数为p,移动平均最高阶数为q的模型,通常它包含p+q个独立的未知系数:

        如果该模型中部分自相关系数 \phi,1≤j<p或部分移动平滑系数 \theta _k,1≤k <q为零,即原模型中有部分系数省缺了,那么该模型称为疏系数模型。
        ARIMA((1,4),1,1)表示差分部分1阶,自回归部分1、4参数非零,2、3参数为0,移动平均部分1阶。

2.拟合ARIMA疏系数模型函数

例题:

例5.8  对1917年一1975年美国23岁妇女每万人生育率序列建模
相关代码如下:

#读取数据
a<-read.table('D:/桌面/5_8.csv',sep=',',header=T)
a #输出上面读取的数据内容

y<-ts(a$fertility,start=1917) #建立时序

plot(y) #绘制时序图

adf.test(y) #对时序y进行平稳性检验
dify = diff(y) #求时序y的差分
library(aTSA) #载入程辑包:‘aTSA’
adf.test(dify) #对差分进行平稳性检验

#白噪声检验
for(i in 1:2)print(Box.test(dify,lag=6*i,type='Ljung-Box')) #LB检验

#定阶
acf(dify) #自相关图
pacf(dify) #偏自相关图

返回:

在这里,就不对读取数据,时序图,平稳性检验,白噪声检验结果进行讲解了,有疑问的可以留言或者看之前的博客内容,接下来,主要对定阶进行讲解,也就是自相关图和偏自相关图结果进行讲解。

由图可知,它可以是5阶截尾也可以是拖尾,至于如何具体定义,实在说不准,可以看看模型的拟合结果,进行比较后再进一步确定。

由图可知,可以看成4阶截尾,也可以说是拖尾。

根据不同的类型可以分成如下:

结果分析

  1. 如果把差分的自相关系数看成拖尾,偏自相关系数看成截尾,我们可以建立 AR(4)模型;
  2. 则原序列可以看成ARIMA(4,1,0)模型。
  3. 如果把差分的自相关系数看成截尾,偏自相关系数看成拖尾,我们可以建立 MA(5)模型;
  4. 则原序列可以看成ARIMA(0,1,5)模型。
  5. 如果把差分的自相关系数看成拖尾,偏自相关系数也看成拖尾,我们可以建立 ARMA(1,1)模型或ARMA(1,4)模型或ARMA(5,4)模型;如果看成ARMA(1,1)模型,则原序列可以看成ARIMA(1,1,1)模型。

在这里我们以 ARIMA(4,1,0) 为例进行拟合,又因为偏自相关图的1阶和4阶有值,2阶和3阶为0,所以还可以进一步写出 ARIMA((1,4),1,0) : 用式子可以表示为

\triangle x_t = u + \frac{1}{1-\phi _1B-\phi _4B^4}\varepsilon _t

#拟合模型,白噪声无法建立模型
yfit1<-arima(y,order=c(4,1,0),transform.pars=F,fixed=c(NA,0,0,NA))
yfit1

返回;

则可得解析式为:

\triangle x_t = u + \frac{1}{1-0.2583B-0.3408B^4}\varepsilon _t

对上述模型进行检验如下:

#模型检验 主要看第三个图
ts.diag(yfit1)
#参数检验
t<-abs(yfit1$coef)/sqrt(diag(yfit1$var.coef))
pt(t,length(y)-length(yfit1$coef),lower.tail=F)

返回:

最后对模型进行预测:

library(forecast) #载入程辑包:‘forecast’
yfore<-forecast(yfit1,h=5) #预测5年的
yfore #输出预测结果
plot(yfore) #时序图

返回:

 

阴影部分是百分之80,和百分之95的置信区间。

小结

  1. 疏系数模型
  2. ARIMA(p.d,q)模型中部分系数为0,省缺了。
  3. arima(x.order=,include.mean=,method=transform.pars=,fixed=) 
  • 13
    点赞
  • 73
    收藏
    觉得还不错? 一键收藏
  • 5
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值