跳到内容
菜单
EN登录
← 全部问题

什么是ARMA模型及其一般方程？

ARMA模型在一个方程中结合了基于过去观测值的自回归项和基于过去误差的移动平均项。一般方程为 Yt=ω+ϕ1Yt−1+⋯+ϕpYt−p+θ1et−1+⋯+θqet−q+etY_t = \omega + \phi_1 Y_{t-1} + \cdots + \phi_p Y_{t-p} + \theta_1 e_{t-1} + \cdots + \theta_q e_{t-q} + e_t。

适用条件

  • 时间序列建模
  • 包括滞后观测值和滞后误差

理解与推导

  1. 识别AR部分：ϕ1Yt−1+⋯+ϕpYt−p\phi_1 Y_{t-1} + \cdots + \phi_p Y_{t-p}。
  2. 识别MA部分：θ1et−1+⋯+θqet−q\theta_1 e_{t-1} + \cdots + \theta_q e_{t-q}。
  3. 将它们与截距 ω\omega 和当前误差 ete_t 组合成一个方程。

例子

幻灯片标题为“自回归移动平均模型 (ARMA)”，文本写着“在模型中同时包含AR和MA项。”显示的方程是 Yt=ω+ϕ1Yt−1+⋯+ϕpYt−p+θ1et−1+⋯+θqet−q+etY_t = \omega + \phi_1 Y_{t-1} + \cdots + \phi_p Y_{t-p} + \theta_1 e_{t-1} + \cdots + \theta_q e_{t-q} + e_t。

容易误解的地方

  • 认为ARMA模型只是大型AR或大型MA模型。
  • 认为ARMA模型不包含误差项。

观看对应讲解

1:42 – 1:59原站看这一段 ↗

继续追问

答案依据视频资料生成并经过独立核验。若有疑问，请核对原视频或联系原作者。