自我迴歸模型, 此條目需要精通或熟悉相关主题的编者参与及协助编辑, 2015年12月14日, 請邀請適合的人士改善本条目, 更多的細節與詳情請參见討論頁, 英語, autoregressive, model, 簡稱ar模型, 是統計上一種處理時間序列的方法, 用同一變數例如x, displaystyle, 的之前各期, 亦即x1, displaystyle, 至xt, displaystyle, 來預測本期xt, displaystyle, 的表現, 並假設它們為一線性關係, 因為這是從迴歸分析中的線性迴歸發展而來. 此條目需要精通或熟悉相关主题的编者参与及协助编辑 2015年12月14日 請邀請適合的人士改善本条目 更多的細節與詳情請參见討論頁 自我迴歸模型 英語 Autoregressive model 簡稱AR模型 是統計上一種處理時間序列的方法 用同一變數例如x displaystyle x 的之前各期 亦即x1 displaystyle x 1 至xt 1 displaystyle x t 1 來預測本期xt displaystyle x t 的表現 並假設它們為一線性關係 因為這是從迴歸分析中的線性迴歸發展而來 只是不用x displaystyle x 預測y displaystyle y 而是用x displaystyle x 預測x displaystyle x 自己 因此叫做自我迴歸 自迴歸模型被廣泛運用在經濟學 資訊學 自然現象的預測上 定義 编辑Xt c i 1pfiXt i et displaystyle X t c sum i 1 p varphi i X t i varepsilon t nbsp 其中 c displaystyle c nbsp 是常數項 et displaystyle varepsilon t nbsp 被假設為平均數等於0 標準差等於s displaystyle sigma nbsp 的隨機誤差值 et displaystyle varepsilon t nbsp 被假設為對於任何的t displaystyle t nbsp 都不變 文字敘述為 X displaystyle X nbsp 的當期值等於一個或數個前期值的線性組合 加常數項 加隨機誤差 優點與限制 编辑自我迴歸方法的優點是所需資料不多 可用自身變數數列來進行預測 但是這種方法受到一定的限制 必須具有自我相關 自相關係數 fi displaystyle varphi i nbsp 是關鍵 如果自相關係數 R 小於0 5 則不宜採用 否則預測結果極不準確 自我迴歸只能適用於預測與自身前期相關的經濟現象 即受自身歷史因素影響較大的經濟現象 如礦的開採量 各種自然資源產量等 對於受社會因素影響較大的經濟現象 不宜採用自我迴歸 而應改採可納入其他變數的向量自迴歸模型 相關條目 编辑向量自迴归模型 VAR模型 移动平均模型 MA模型 自迴歸滑動平均模型 ARMA模型 差分自迴歸滑動平均模型 ARIMA模型 格蘭傑因果關係 Granger Causality nbsp 这是一篇與統計學相關的小作品 你可以通过编辑或修订扩充其内容 查论编 取自 https zh wikipedia org w index php title 自我迴歸模型 amp oldid 69866727, 维基百科,wiki,书籍,书籍,图书馆,