Essie2023-03-26 21:46:12

你好，
第一种情况：xt=b0+b1*x(t-1)+e
第二种情况：xt=b0+b1*x(t-1)+b2*x(t-2)+e
第三种情况：xt=b0+b1*x(t-1)+b2*x(t-8)+e
第四种情况：xt=b0+b1*x(t-1)+b2*x(t-8)+e。
假设我们先建立了一个简单的AR1模型，xt=b0+b1*x(t-1)+e，然后又对滞后项的自相关系数进行了t检验，此时发现只有lag8这个滞后项的自相关系数是显著不为0的，那么此时将lag8加回原方程中，模型变成了xt=b0+b1*x(t-1)+b2*x(t-8)+e。
如果lag 1和lag 8都是显著不为0的，那么模型还是xt=b0+b1*x(t-1)+b2*x(t-8)+e。第三种和第四种情况是一样的。
因为建立AR模型的时候，通常都是认为上一期的数据对下一期有显著影响，所以不管lag1显不显著它通常都是在模型中，这是从建模意义上考虑的，你需要做的就是在这个基础上检验其他lag是否可以有效的解释当期的数据，如果显著就加在方程中，这是从考试的角度来看的。
当然在实务中，如果有一列时间数据体现了强烈的只有lag8和当期数据存在显著关系，那么你也可以根据实际情况调整是否还把lag1放在方程中。