乘法ARIMA模型

定期收集的许多时间序列（例如，每季度或每月）表现出季节性趋势，这意味着在连续几年的同一时期内进行的观测之间存在关系。除此季节性关系外，在连续几年内进行的观测之间也可能存在关系。乘法ARIMA模型是ARIMA模型的扩展，用于解决季节性y和潜在的季节单位根[1].

在滞后算子多项式表示法中， $$L^{我}{Y}_T=Y_{T-我}$$.对于具有周期性的序列s，乘法ARIMA(P,D,Q)×(P_s,D_s,Q_s)_s是由

这里是稳定的，度PAR算子多项式 $$\varphi (L)=(1.-{\varphi }_{1.}L-\dots -{\varphi }_P{L}^P)$$和 $$\Phi (L)$$是稳定的，度P_s同样形式的AR算子。同样，可逆，度QMA算子多项式 $${\theta }_Q(L)=(1.+{\theta }_{1.}L+\dots +{\theta }_Q{L}^Q)$$和 $$\Theta (L)$$是可逆的，度Q_s相同形式的MA运算符。

使用指定乘法ARIMA模型时阿里玛,

非季节性差分算子， $${(1.-L)}^D$$解释连续时期观测结果的非平稳性。季节性差分算子， $${(1.-L^s)}^{D_s}$$，解释了连续几年同期观测的非平稳性。计量经济学工具箱™ 仅支持季节性整合的程度金宝appD_s=0或1。当您指定s≥ 0，计量经济学工具箱集D_s= 1.D_s否则=0。

另见

阿里玛

相关实例

• 非季节性和季节性差分
• 乘法ARIMA模型规范
• 指定条件平均模型
• 指定乘法ARIMA模型
• 利用指标变量模拟季节滞后效应

更多关于

• 自回归移动平均模型
• ARIMA模型