admin 管理员组

文章数量: 1184232

利用图示法判别AR,MA,ARMA,ARIMA模型平稳性

要拟合一个平稳序列的发展，用来拟合的模型显然也应该是平稳的.AR模型是常用的平稳序列的拟合模型之一，但并非所有的AR模型都是平稳的.
R提供了多种序列拟合函数，每种函数各有利弊.我们介绍两种最常用的序列拟合方法.


#0521
#序列拟合x1 <- arima.sim(n=100,list(ar=0.8))
x3 <- arima.sim(n=100,list(ar=c(1,-0.5)))
ts.plot(x1)
ts.plot(x3)#x2 <- arima.sim(n=100,list(ar=-1.1))       模型的'ar'部分不平穩
#x4 <- arima.sim(n=100,list(ar=c(1,0.5)))   模型的'ar'部分不平穩e <- rnorm(100)
x2 <- filter(e,filter = -1.1,method = "recursive")  # recursive---AR模型
x4 <- filter(e,filter = c(1,0.5),method = "recursive")
ts.plot(x2)
ts.plot(x4)


根据图可以直观判断出（1）、（3）模型平稳，（2）、（4）模型非平稳.图示法只是一种粗糙的直观判别方法，我们有两种准确的平稳性判别方法：特征根判别和平稳域判别.以后介绍.

参考文献:时间序列分析：基于R/王燕编著.一北京：中国人民大学出版社，2015.3

本文标签： 利用图示法判别AR MA ARMA ARIMA模型平稳性

版权声明：本文标题：利用图示法判别AR,MA,ARMA,ARIMA模型平稳性 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.roclinux.cn/b/1687345680a92042.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。