自我迴歸模型
自我迴歸模型（，簡稱AR模型），是統計上一種處理時間序列的方法，用同一變數例如x的之前各期，亦即x_{1}至x_{t-1}來預測本期x_{t}的表現，並假設它們為一線性關係。因為這是從迴歸分析中的線性迴歸發展而來，只是不用x預測y，而是用x預測x（自己）；因此叫做自我迴歸。它可用於描述來自多種自然和人工來源的時變過程。該模型指定了輸出變量，這些變量在隨機基礎上線性依賴其自身的先前值。此模型採隨機差分方程（或遞推關係）的形式，切勿將其與微…
标签：#迴歸分析
共 3 篇文章
向量自回归模型
向量自我迴歸模型（，简称VAR模型）是一种常用的计量经济模型，由计量经济学家和宏观经济学家克里斯托弗·西姆斯（）提出。它擴充了只能使用一個變量的自我迴歸模型（簡稱：AR模型），使容納大於1個變量，因此經常用在多變量時間序列模型的分析上。 定义 VAR模型描述在同一样本期间内的n个变量（内生变量）可以作为它们过去值的线性函数。 一个VAR(p)模型可以写成为： :y_{t}=c + A_{1}y_{t-1} + A_{2}y_{t-2} …
移动平均模型
在时间序列分析中，移动平均模型（简记为：MA模型）是一个常见的对单一变量时间序列进行建模的方法。 移动平均模型和自回归模型都是时间序列中 ARMA模型 和 ARIMA模型 模型的重要组成部分，也是一种特殊情况。尽管名称类似，但移动平均模型不应与移动平均值相混淆。与自回归模型不同，移动平均模型总是平稳的。 定义 q 阶移动平均模型通常简记为MA(q)： : x_t=\mu+\varepsilon_t-\theta_1\varepsilon…