ARIMA建模的第一步是看其相关性,检查自相关系数与偏自相关系数(定义见何书元p78),EViews中的correlogram指令完成。自相关系数表示的是当前值与滞后值的相关系数。偏自相关系数考虑了所有滞后值之后的预测能力而计算当前和滞后序列的相关性。例如滞后6阶自相关是计算当ut-1…ut-5已在预测模型中时,ut-6的预测能力。实际上,偏自相关是当前滞后已应用于ut的预测后,ut-6的回归系数。
本文介绍了ARIMA模型构建的过程,包括通过EViews中的correlogram检查自相关系数和偏自相关系数,选择合适的ARIMA模型类型。强调了残差自相关检查的重要性,并提到了单位根检验中的ADF检验在判断时间序列平稳性中的应用。
ARIMA建模的第一步是看其相关性,检查自相关系数与偏自相关系数(定义见何书元p78),EViews中的correlogram指令完成。自相关系数表示的是当前值与滞后值的相关系数。偏自相关系数考虑了所有滞后值之后的预测能力而计算当前和滞后序列的相关性。例如滞后6阶自相关是计算当ut-1…ut-5已在预测模型中时,ut-6的预测能力。实际上,偏自相关是当前滞后已应用于ut的预测后,ut-6的回归系数。
1665
1360

被折叠的 条评论
为什么被折叠?