自我迴歸模型 - 维基百科,自由的百科全书
![]() | 此條目需要精通或熟悉相关主题的编者参与及协助编辑。 (2015年12月14日) |
自我迴歸模型(英語:Autoregressive model,簡稱AR模型),是統計上一種處理時間序列的方法,用同一變數例如的之前各期,亦即至來預測本期的表現,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,只是不用預測,而是用預測(自己);因此叫做自我迴歸。
定義
[编辑]
其中:是常數項;被假設為平均數等於0,標準差等於的隨機誤差值;被假設為對於任何的都不變。
文字敘述為:的當期值等於一個或數個前期值的線性組合,加常數項,加隨機誤差。
優點與限制
[编辑]自我迴歸方法的優點是所需資料不多,可用自身變數數列來進行預測。但是這種方法受到一定的限制:
- 必須具有自我相關,自相關係數()是關鍵。如果自相關係數(R)小於0.5,則不宜採用,否則預測結果極不準確。
- 自我迴歸只能適用於預測與自身前期相關的經濟現象,即受自身歷史因素影響較大的經濟現象,如礦的開採量,各種自然資源產量等;對於受社會因素影響較大的經濟現象,不宜採用自我迴歸,而應改採可納入其他變數的向量自迴歸模型。
相關條目
[编辑]- 向量自迴归模型(VAR模型)
- 移动平均模型 (MA模型)
- 自迴歸滑動平均模型(ARMA模型)
- 差分自迴歸滑動平均模型(ARIMA模型)
- 格蘭傑因果關係(Granger Causality)
![]() | 这是一篇與統計學相關的小作品。您可以通过编辑或修订扩充其内容。 |