Chris Lan2019-03-25 11:07:57

同学你好，
公司三的数据特征是趋势模型存在序列自相关，在这种情况下使用AR模型更好，因此A选择可以排除另外公司三是指数形式的数据，因此使用log取对数再建模是好的，所以B选项不对。再者题干没说AR(1)模型存在序列自相关问题，因此基于谨慎性原则就从AR(1)开始建模。所以C选项是最好的

使用残差的相关性来做检验，其逻辑是：残差有自相关关系，那么时间序列数据之间也是有自相关关系的。比如有以下的自回归模型，xt=b0+b1xt-1+εt-1，xt=b0+b1xt-2+εt-2,......
以此类推会有k个这样的公式（取决于有多少个LAG项），我们用残差的自相关关系，比如说εt-1和εt-2的自相关关系，去解释xt-1和xt-2的自相关关系。你可以理解为“使用残差的自相关关系，可以去解释时间序列数据的自相关关系”。但只有假设检验的环境下，这种用残差自相关解释时间序列数据自相关的方法才是可用的。
另外只要有LAG项，可以拒绝原假设，这时就把LAG1加回方程，然后再做测试，看还有没有能够拒绝原假设的LAG项，如果有就把LAG2加回来，他是一项一项加的，不能跳项，比如说，我第二次测试是LAG3被拒绝，但是我加的是LAG2，把LAG2加回来再测试，以此类推。除非是季节性的特征，才是加LAG1和LAG4。