选择回归模型与ARIMA错误
回归模型与ARIMA时间序列错误包含两个组件:一个回归模型和误差模型。通常,在回归模型的研究重点。但是,为了正确选择预测,你必须适当的模型误差结构。以下步骤大纲时你可能会经历的无限循环选择回归模型与ARIMA错误:
确定适当的滞后误差模型中包含,必须推断出无条件的干扰,ut,在那里t= 1,…,T。
正确推断出ut在回归模型中,您必须估计回归模型包括所有适当的预测,Xt。
确定适当的预测,必须正确模型误差结构,ut。也就是说,你必须确定适当的滞后误差模型。
如果计量经济学理论表明一个特定的回归模型是合适的,然后合适的回归模型在不同自回归和移动平均度。选择模型,收益率最低的标准信息。例如,请参见为ARMA选择滞后误差模型。
然而,如果你想选择回归和统计方法误差模型,然后选择一个合适的回归模型与ARIMA方法之一(推荐错误[1])是:
检查每个变量的平稳性。变换或差异的非平稳序列使其固定。维护的解释变量之间的关系,所有变量变换或区别一样。有关详细信息,请参见数据转换。
假设误差模型AR(2)或一个适当的乘法季节性AR(2)模型。估计回归模型使用
估计其中包括所有预测和可能改变或差数据。推断出ut从拟合回归模型使用
推断出。确定一个适当的ARIMA模型误差。有关详细信息,请参见Box-Jenkins方法和自相关和偏自相关。
使用新的ARIMA模型误差估计回归模型与ARIMA错误。
检查创新( )是一个白噪声序列。有关详细信息,请参见残留的诊断。如果创新不是一个白噪声序列,然后选择一个不同的ARIMA模型误差,重新估计回归模型与ARIMA错误,并复核创新。
计算信息标准最终模型使用
aicbic。执行完整的过程反复使用的一个子集预测为每个审判。选择标准最低的模型信息。
引用
[1]Hyndman, r . J。,g . Athanasopoulos。预测:原则和实践。2018年澳大利亚墨尔本:OTexts。
