第四章平稳时间序列模型建立VIP免费

-0 . 8-0 . 6-0 . 4-0 . 20 . 00 . 20 . 40 . 60 . 824681 01 21 4-0 . 8-0 . 6-0 . 4-0 . 20 . 00 . 20 . 40 . 60 . 824681 01 21 4第四章 平稳时间序列模型的建立 本章讨论平稳时间序列的建模问题，也就是从观测到的有限样本数据出发，通过模型的识别、模型的定阶、参数估计和诊断校验等步骤，建立起适合的序列模型。学习重点为模型的识别和模型的检验。 第一节 模型识别 一、 识别依据 模型识别主要是依据SACF 和 SPACF 的拖尾性与截尾性来完成。常见的一些 ARMA 类型的SACF 和SPACF 的统计特征在下表中列出，可供建模时，进行对照选择。 表 ARIMA过程与其自相关函数偏自相关函数特征 模 型 自相关函数特征 偏自相关函数特征 ARIMA(1,1,1)  xt = 1 xt-1 + ut + 1ut-1 缓慢地线性衰减 AR（1） xt = 1 xt-1 + ut 若1 > 0，平滑地指数衰减 若1 < 0，正负交替地指数衰减 -0 . 8-0 . 6-0 . 4-0 . 20 . 00 . 20 . 40 . 60 . 824681 01 21 4 若11 > 0，k=1 时有正峰值然后截尾 若11 < 0，k=1 时有负峰值然后截尾 -0 . 8-0 . 6-0 . 4-0 . 20 . 00 . 20 . 40 . 60 . 824681 01 21 4 MA（1） xt = ut + 1 ut-1 若1 > 0，k=1 时有正峰值然后截尾 若1 > 0，交替式指数衰减 -1 . 0-0 . 50 . 00 . 51 . 024681 01 21 4-1 . 0-0 . 50 . 00 . 51 . 024681 01 21 4 -0 . 8-0 . 6-0 . 4-0 . 20 . 00 . 20 . 40 . 60 . 824681 01 21 4 若1 < 0，k=1 时有负峰值然后截尾 -0 . 8-0 . 6-0 . 4-0 . 20 . 00 . 20 . 40 . 60 . 824681 01 21 4 -0 . 8-0 . 6-0 . 4-0 . 20 . 00 . 20 . 40 . 60 . 824681 01 21 4 若1 < 0，负的平滑式指数衰减 -0 . 8-0 . 6-0 . 4-0 . 20 . 00 . 20 . 40 . 60 . 824681 01 21 4 AR（2） xt = 1 xt-1 + 2 xt-2 + ut 指数或正弦衰减 -0 . 8-0 . 6-0 . 4-0 . 20 . 00 . 20 . 40 . 60 . 824681 01 21 4 （两个特征根为实根） -0 . 8-0 . 6-0 . 4-0 . 20 . 00 . 20 . 40 . 60 . 824681 01 21 4 （两个特征根为共轭复根） k=1, 2 时有两个峰值然后截尾 ...