点击上方关注我们!
上期我们学习到Eviews时间序列模型预测,这期就常见问题进行解答。 01 ARIMA(pnq)模型含义?答: ARIMAAuto模型主要包含三个部分,其中AR表示 regression,即自回归模型;I表示 integration,即单整阶数;m表示 moving average,即移动平均模型。
02 ARMA模型 ARIMA和模型的区别?答:ARMA模型是针对平稳的时间序列建立的模型, ARIMA模型是针对非平稳的时间序列建立的模型。由此,在构建模型之前,首先需要对时间序列数据进行单位根检验,假设时间序列数据X是平稳序列,则直接对其构建ARMA模型;若X是非平稳序列,则首先要通过差分转化为平稳序列,经过几次差分转化为平稳序列,为几阶单整,n就是几,由此对建立 ARIMA模型。
03 如何判断ARMA(pq)模型和 ARIMA)模型的p和q? 答:主要通过自相关(AC)系数和偏自相关(PAC)系数来判断。其中,自相关系数主要确定p,偏自相关系数主要确定qAR(P):PAC系数p阶截尾,AC系数拖尾;MA(q):AC系数q阶截尾,PAC系数拖尾;ARMA(Pq):PAC系数阶拖尾,AC系数q阶拖尾。未完待续,下期见
注:感谢大家一直以来对211统计课堂的关注,为了让大家更好的学习,下期我们将进行改版,系列课程将会以(文字+视频)的教学形式进行,敬请期待。