前言:
先以一个例子,介绍一下预测模型的三种分类:
例如,假设我们想要预测炎热地区夏季时每小时用电需求量。【解释模型】。可以用如下包含预测变量的模型:解释模型,包含了有关其他变量的信息,而不仅仅是要预测的变量的历史值
右侧的“误差”项表示随机波动和没有被包括在模型中的相关变量的影响。我们将它称之为“解释模型”,因为它帮助解释电力需求变化的原因。
2.【时间序列模型】。因为电力需求数据构成了一组时间序列,我们也可以用一个时间序列模型来进行预测。在这种情况下,一个合适的时间序列模型可以为如下形式:时间序列模型
t表示当前的时间,t+1表示下一个小时,t−1表示前一个小时,t−2表示前两个小时
3.【混合模型】。还有第三种模型, 它结合了上述两种模型的特点。混合模型(动态回归模型、面板数据模型、纵向模型)
正文:
一、时间序列回归模型
线性回归模型的核心思路是:我们预测时间序列y时,假设它与其它时间序列x之间存在线性关系。
1.简单线性回归简单线性回归
2.多元线性回归多元线性回归
最小二乘估计方法通过最小化残差平方和来确定模型的各个参数
二、时间序列分解
1.时间序列成分时间序列数据通常有很多种潜在模式,