因为这是笔记,也是自己认为比较重要的,后期会慢慢写自己的总结,以及相关程序(R)
本章主要介绍时间序列发展史!
常用分析方法例:多元回归(粮食中人口 光站 降雨)y=a+b1人口+b2光照+b3降雨+残差
1:数据项之间不能自相关
2:多重共线性(数据项之间相互相关)
3:异方差(模型不同总体之间有相同的方程,
三种之一任何一种都可能导致造成:统计模型失效,不然会使假设检验失效,预测不标准
为什么有时间序列分析?
1:时间序列有很强的自相关,所以回归问题不能解决时序问题
2:多元时序,多元回归也难以解决
时间序列定义:按照时间顺序把随机事件变化发展的过程记录下来就构成了一个时间序列。
时间序列分析:对时间序列进行观察,研究,找寻它变化发展的规律,预测它将来的走时就是时间序列分析。
特点:
随机序列:按时间顺序排序的一组随机变量 ...,X1,X2,.....,Xt,...
观察值序列:随机序列的n个有序观察值x1,x2,...xn
目的:通过观察值序列 推测 随机序列
描述性时序分析:周期性 趋势性 随机性
统计时间序列分析:数理统计
例如:
这些是简单的时序,复杂时序并不能直接看出规律,例如需要AR(2)自回归等方法建模得出等。
方法:
1:频域分析方法
假设任何一种无趋势的时间序列都可以分解成若干不同频率的周期波动
2:时域分析方法
时间发展通常具有一定的惯性,这种惯性用统计语言来描述就是时间序列之间存在着一定的相关关系。
分析的目的:寻找时间序列之间相关关系的统计规律,并拟合出适当的数学模型来描述这种规律,进而利用这个拟合模型预测序列未来的走势。
特点:理论基础扎实,操作步骤规范,分析结果易于解释,是时间序列分析的主流方法。
协方差函数:xt,xt-1;
Yule_Walker方法,AR方法
不平稳数据: 差分之后有可能是平稳的