![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
时间序列
antiemperor
中国人民大学统计本科在读
展开
-
python rolling regression. 使用 Python 实现滚动回归
滚动回归所谓滚动回归,通常用在时间序列上。记当前时刻为 t,回归时长为 s,则一直使用当作自变量来预测。使用滚动回归的目的通常是为了避免未来函数对于回归的影响。具体来说,如果我们直接用所有数据来建立线性回归模型,则回归系数,是关于所有 x 与所有 y 的函数。然而,我们在时是不知道未来的数据点的!如果使用全部数据进行回归则相当于未卜先知,会造成严重的过拟合。Python实现...原创 2019-11-18 09:39:27 · 11761 阅读 · 3 评论 -
Error in stats::arima(x,order=order,seasonal=seasonal,fixed=par[1:narma],:wrong length for 'fixed'解决
我是在R中使用TSA包中的arimax函数时碰到了这个报错,代码如下:arimax(pct, order = c(0, 0, 0), xtransf = sentiment, transfer = list(c(0, 1)))其中,pct为因变量时序,类型为ts;sentiment为自变量时序,类型也为ts。然而我运行之后遇到了标题中的报错:Error in stats::ari...原创 2019-04-01 01:40:54 · 4067 阅读 · 0 评论 -
时间序列数据、自协方差函数、自相关函数与平稳性
这篇博客主要记录人大出版《应用时间序列分析》第一章的笔记。时间序列数据数据类型数据分析中的数据大致分为三类:时间序列数据、横截面数据、面板数据。下面分别介绍这三类数据。时间序列数据:在不同时间点搜集到的数据,这些数据通常会随时间的变化而变化。比如股票价格、每日温度等横截面数据:在相同或近似相同时间点搜集到的数据。比如绝大多数通过问卷调查搜集到的数据、人口普查数据面板数据:针...原创 2019-04-09 02:34:50 · 18088 阅读 · 8 评论 -
平稳性检验(描述性)与纯随机性检验
这篇博客主要记录人大出版《应用时间序列分析》第二章的笔记。本章主要介绍进行时序分析前的预处理,即平稳性检验与纯随机性检验。平稳性检验(描述性)平稳性检验的方法分为描述性方法与计量性方法。前者主要指时序图检验、ACF 图检验,后者主要指 DF 检验、ADF 检验与PP检验。由于计量性方法需要 ARMA 模型的相关知识,这篇博客仅仅介绍描述性方法。时序图检验时序图检验即是通过观察时序图...原创 2019-04-19 11:46:41 · 31532 阅读 · 17 评论