季节乘积模型_时间序列——ARIMA模型的季节模型

ARIMA模型可以对具有季节效应的序列建模，根据季节效应提取的难易程度可以分为简单季节模型与乘积季节模型。

简单季节模型

简单季节模型是指序列中的季节效应和其他效应之间是加法关系，即

简单季节模型实际上就是通过趋势差分、季节差分将序列转化为平稳序列，具体分为三步：

• 第一步：通过简单的低阶差分将趋势信息提取成分；
• 第二步：通过简单的周期步长差分将序列中的季节信息提取充分；
• 第三步：提取完季节信息和趋势信息之后的残差序列就是一个平稳序列，再用ARＭＡ模型拟合。

R语言中用arima函数中的seasonal选项拟合季节模型，相关命令如下 ：

arima(x,order=,include.mean=,method=,transform.pars=,fixed=,seasonal=)

-x:要进行模型拟合的序列命。

-order:指定模型阶数。

-include.mean:指定是否需要拟合常数项。

-method:指定参数估计方法。

-transform.pars:指定是否需要人为干预参数。

-fixed:对疏系数模型指定疏系数的位置。

-seasonal:指定季节模型的阶数与季节周期，该选项的命令格式为：

seasonal = list(order=c(P,D,Q),period = pi)

(1)加法模型：P=0,Q=0

(2)乘法模型：P,Q不全为零

例如：拟合1962—1991年德国工人季度失业率序列

d