来源:由计量经济学服务中心编辑整理,转载请注明来源
AC为序列的自相关系数,即t期序列与t-k期序列的相关系数;
PAC为序列的偏相关系数,即t期序列对t-1,t-2,……,t-k期序列做回归时的偏回归系数。
Q统计量服从卡方分布,从Q的计算公式可知,Q的大小与自相关系数的大小呈正相关,因而当自相关系数越大,样本Q统计量越大,比它更大的Q统计量值越少,P值越小,越能拒绝自相关系数全为0的原假设,即序列存在自相关关系。另外,Q统计量还与滞后期K有关,是一个关于各期自相关系数平方的累积值。
其实,观察自相关图与偏相关图最主要的目的还是确定序列的ARMA(p,q)模型的具体形式。
当然,知道ARMA(p,q),对于ARIMA(p,d,q)相信你也会更清楚啦,d也是到底几阶差分,若是不平稳,当然也就没有ARIMA模型了!
第一,自回归过程与移动平均过程。自回归由序列的滞后变量的线性组合以及白声噪(符合0均值固定方差的随机干扰项)相加而成,移动平均过程为白声噪的线性组合构成;
第二,拖尾和截尾。前者指AC或者PAC呈几何衰减(指数式衰减或者正弦式衰减),后者指AC或者PAC在某一阶之前明显不为0,之后突然接近或者等于0.其实,从字面上也很好理解,拖尾就是拖拖拉拉,截尾就是抽刀断水。
<