综述：时间序列LB LM检验

最新推荐文章于 2024-05-11 22:25:45 发布

选西瓜专业户

最新推荐文章于 2024-05-11 22:25:45 发布

阅读量1.6w

点赞数 3

分类专栏：时间序列

本文链接：https://blog.csdn.net/todingdong/article/details/112145770

版权

本文介绍了时间序列分析中的序列自相关检验，特别是LB检验，它用于判断序列是否存在总体相关性或随机性。通过对ARIMA模型残差进行LB检验，评估模型适用性。同时，文中讨论了在ARCH效应检验前后的LM检验目的，以及R语言中lr、wald、lm三种检验的原理。

摘要由CSDN通过智能技术生成

序列自相关检验（也可以视为白噪声检验）

文献出处：

https://blog.nex3z.com/2019/07/24/time-series-q-statistic/
https://www.zhihu.com/question/22863169
在这里插入图片描述

作用

对于滞后相关的检验，我们常常采用的方法还包括计算ACF和PCAF并观察其图像，但是无论是ACF还是PACF都仅仅考虑是否存在某一特定滞后阶数的相关。LB检验则是基于一系列滞后阶数，判断序列总体的相关性或者说随机性是否存在。
ARIMA模型去拟合数据后我们要对残差的估计序列进行LB检验，判断其是否是高斯白噪声，如果不是，那么就说明ARIMA模型也许并不是一个适合样本的模型。而对于更为复杂的模型，比如GARCH类模型，在开始进行ARCH效应检验并拟合后，对于所得到的序列，我们同样要进行LB检验，判断其是否与我们对模型的初始假定相同。

ARCH-LM在检验前后使用的目的是不同的，使用ARCH模型之前检验，是为了判断是否存在ARCH效应，是否使用该模型，使用ARCH模型之后再用该检验是为了判断ARCH模型是否消除了自回归条件异方差的影响。如果之前为检验，而做完模型之后才去做，首先可以了解笔者是认为该模型一定存在ARCH效应的，所以无需之前检验，只要用完模型检验通过检验就什么都解释了。亲