郑同学2019-03-12 23:28:45
郑同学老师你好，Reading 9， 课后第二题。看书里的答案，说的是一个好的time serie forecast，它的预测的errors应该是沿着正确值randomly的波动，但是这个图形中的能看出来errors其实是positively 的波动，所以不是好模型。 但是我们在讲AR理论的时候，的确说的是，error之间不能有autocorrelation，有的话就要加上这个lag来进行修正。 但是这个是针对AR模型的。 这个题目总明显是一个以时间t为自变量的趋势模型，请问趋势模型也可以和AR模型有一样的判别条件么？
回答（1）
Chris Lan2019-03-13 10:19:46
Chris Lan同学你好，趋势模型本质上还是属于回归模型，不是自回归模型，因此他们的检验方法是不同的。不能一样的判断。
Trend Models（趋势模型）：
Linear trend model：例如一组数列t=1为1990年，t=2为1991年......，另一组为GDP1990，GDP1991......这样两组数据做一个一元回归，即为线性趋势模型，yt=b0+b1t+εt，其与一般的一元回归的差别在于横轴为t（1，2，3，4......），用于每年增长率一致的情况，例如，每年都增长$10
Log-linear trend model：如果一组数据画在散点图上的形状很像对数图形（curve：曲线），即可将yt=e(b0+b1t)，转换成Ln(yt ) =b0+b1t+εt，即为对数线性趋势模型，使用DW检验数据的自相关，用于每年增长率一致的情况，例如，每年增长率都是2%
趋势模型的限制：
在使用时，如果数据存在序列相关性，可能导致b0和b1不一致（趋势可能发生变化）
时间序列的均值和方差随时间变化
- 评论（0）
- 追问（0）
评论
0/1000
追答
0/1000
+上传图片