跳转到内容

自回归模型

本页使用了标题或全文手工转换
维基百科,自由的百科全书

自回归模型(英语:Autoregressive model,简称AR模型),是统计上一种处理时间序列的方法,用同一变数例如的之前各期,亦即来预测本期的表现,并假设它们为一线性关系。因为这是从回归分析中的线性回归发展而来,只是不用预测,而是预测(自己);因此叫做自回归

自回归模型被广泛运用在经济学信息学、自然现象的预测上。

定义

[编辑]

其中:常数项;被假设为平均数等于0,标准差等于随机误差值;被假设为对于任何的都不变。

文字叙述为:的当期值等于一个或数个前期值的线性组合,加常数项,加随机误差。

优点与限制

[编辑]

自回归方法的优点是所需资料不多,可用自身变数数列来进行预测。但是这种方法受到一定的限制:

  1. 必须具有自相关,自相关系数)是关键。如果自相关系数(R)小于0.5,则不宜采用,否则预测结果极不准确。
  2. 自回归只能适用于预测与自身前期相关的经济现象,即受自身历史因素影响较大的经济现象,如矿的开采量,各种自然资源产量等;对于受社会因素影响较大的经济现象,不宜采用自回归,而应改采可纳入其他变数的向量自回归模型

相关条目

[编辑]