概率的时间序列模型对于各种分析目标是必需的,包括回归推理,预测和蒙特卡罗模拟。选择模型时,旨在找到充分描述您的数据的最分析模型。一个简单的模型更易于估计,预测和解释。
规格测试帮助您识别可以合理地描述数据生成过程的一个或多个模型系列。
模型比较帮助您比较竞争模型的契合,以享受复杂性的惩罚。
拟合优度检查可帮助您评估模型的样本内充分性,验证所有模型假设是否成立,以及评估样本外预测性能。
模型选择是一个迭代过程。当拟合优度检验表明模型假设不满足或模型的预测性能不令人满意时,考虑进行模型调整。其他规范测试、模型比较和拟合优度检查有助于指导此过程。
建模问题 | 特征 | 相关功能 |
---|---|---|
我的响应变量的维度是多少? |
|
|
我的时间序列是固定的吗? |
|
|
我的时间序列有一个单位根吗? |
|
|
我如何处理季节性影响? |
|
|
我的数据是自相关的吗? |
|
|
如果我的数据是异源的(呈现波动聚类)怎么办? |
|
|
对于轻量级数据,是否有一种替代高斯创新分布的方法? |
|
|
我如何在几种型号之间做出选择? |
|
|
我有两个或更多的时间序列是否共同化? |
|
|
如果我想包含预测变量呢? |
|
|
如果我想实现回归,但经典的线性模型假设可能不适用,该怎么办? |
|
|
如果动态过程的观测包括测量误差怎么办? | 标准线性状态空间模型在此工具箱可用。 |