则目标函数(2.6)可写成, 可解出最小二乘估计为 相应地, 的估计为 二. 模型阶数的估计 1. 相关分析法用于ARMA模型的定阶 方法: (1) 给定初值 (一般取初值为 零)将 的估计代入(3.2)递推得到残差估计 (2) 作假设检验 来自于白噪声序列长度为n的样本。 不是白噪声序列的长度为n的样本。 令 检验 等价于检验 是否来自于N(0,1)总体的k个独 立抽样问题。 a. 检验 的绝对值是否有68.3%左右小于1. b. 检验法:在 成立条件下,当n充分大时, 是k个相互独立N(0,1)随机变量,则 服从自由度为k的中心 分布,则以显著水平为 的否定域为 2. AIC准则方法 给定ARMA模型阶数的上界 和 。对于每一对 (k,j), ,计算AIC函数 取 ,使 此时称 为ARMA模型的阶的估计,其中 一般 取 或 中的整数。 具有相合性的定阶准则BIC, 使上式达最小的 为ARMA模型的阶。 中的整数。 三. 拟合模型的检验 ARMA模型的检验是检验其拟合残差序列是否为独立序 列。 方法:取初值 计算 的样本值,即 检验 是否为独立序列的样本值。 四. 例子:kejian2 由计算机产生模拟时间序列数据 。 (1) 计算出样本均值、自相关函数、自协方差函数和偏相关函数 样本自相关函数 样本偏相关函数 (2) 取定阶数 由AIC准则:p=q=1 (3) 估计参数: (4) 检验 结论:数据符合ARMA(1,1)模型。 补充:ARMA(p,q)阶数判定的方法 ---推广样本自相关函数法 基本思路:首先,观察样本自相关函数和样本偏相关函数是否有截尾性。若均无,则将原序列拟合AR(1)模型后,观察其残差序列的样本自相关函数是否截尾,若 步截尾,则原序列为 , 否则,再拟合AR(2)后,观其残差序列的样本自相关函数,若 步截尾ÿ
eacf怎么定阶_ARMA模型的参数估计解读.ppt
最新推荐文章于 2024-03-12 08:30:00 发布