概率时间序列模型对于各种各样的分析目标是必要的,包括回归推断、预测和蒙特卡罗模拟。在选择模型时,目标是找到能够充分描述数据的最简洁的模型。一个简单的模型更容易估计、预测和解释。
规格测试帮助您确定一个或多个模型家族,可以合理地描述数据生成过程。
模型比较帮助您比较竞争模型的适合度,以及复杂性的惩罚。
优美检查帮助您评估模型的样本充足性,验证所有模型假设是否保持,并评估样本预测性能。
模型选择是一个迭代过程。当健康检查建议模型假设不满意 - 或者模型的预测性能不令人满意地考虑进行模型调整。附加规范测试,型号比较和拟合良好检查帮助指导此过程。
建模问题 | 特征 | 相关功能 |
---|---|---|
我的反应变量的维度是什么? |
|
|
时间序列是平稳的吗? |
|
|
时间序列有单位根吗? |
|
|
我如何处理季节性效果? |
|
|
我的数据是自相关的吗? |
|
|
如果我的数据是异方差的(表现出波动聚类)怎么办? |
|
|
是否有溶渗漏数据的高斯创新分布替代方案? |
|
|
如何在几个模型之间决定? |
|
|
我是否有两个或两个以上的时间序列是协整的? |
|
|
如果我想包括预测因子变量怎么办? |
|
|
如果我想实现回归何时何时才能申请古典线性模型假设? |
|
|
如果对动态过程的观察包括测量误差,该怎么办? | 标准的线性状态空间建模可以在这个工具箱中使用。 |