r语言arima_R时间序列分析学习笔记（二十四）—— ARIMA建模和模拟（十六）

最新推荐文章于 2024-11-13 19:33:27 发布

weixin_39718083

于 2020-11-30 16:45:56 发布

阅读量788

点赞数

文章标签： r语言arima

本文链接：https://blog.csdn.net/weixin_39718083/article/details/111297845

版权

这篇博客介绍了如何使用R语言进行ARIMA建模和模拟，特别是通过Levinson递推算法计算平稳时间序列的一步预测系数和误差方差。内容包括对平稳序列的预测方法、程序实现以及周期图计算，是R语言时间序列分析系列笔记的第廿四篇。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本笔记中原始数据及代码均来源于李东风先生的R语言教程，在此对李东风先生的无私分享表示感谢。

对平稳列，已知自协方差列时用Levinson递推计算逐个一步预报系数(Y-W系数)和一步预测误差方差。输入gams[1:n] 为γk,k=0,1,...,n-1。输出是对Y1,Y2,...,Yn做滚动向前一步预报所需的系数和均方误差。结果中元素coef.YW是(n-1)×(n-1)矩阵，第k行的1:k元素为ak1,ak2,...,akk ，用来预报Yk+1:

结果中sigmasq是长度为n的向量，保存预报Y1,Y2,...,Yn的一步预报均方误差。


Levinson.coef function(gams){
      n   ## ayw保存Y-W系数a[i,j], i=1,2,\dots,n-1, j=1,2,\dots,i  ayw 0, n  ## ss保存一步预报误差方差  ss   ss[1] 0+  ayw[1,1] 1+  ss[2] 1] * (  if(n>2) for(k in 1:(n-2)){
        ## 用Y_1, \dots, Y_{k+1}预报Y_{k+2}的系数    ayw[k+1,k+1] 1)+    ayw