时间序列平稳性分析(课件)
- 格式:dps
- 大小:724.50 KB
- 文档页数:5
时间序列平稳性分析(课件)时间序列平稳性分析文章结构•时间序列的概念•平稳性检验•纯随机性检验•spss的具体操作1.1时间序列分析的概念•时间序列是一个按时间的次序排列起来的随机数据集合。
而时间序列分析是概率论与数理统计学科的一个重要分支,它以概率统计学为理论基础来分析随机数据序列(或称为动态数据序列)并对其建立相应的数学模型,即对模型定阶,进行参数估计,进一步将用于预测。
在对时间序列进行分析的时候我们的前提任务是如何进行的呢?2.1平稳性检验•••••特征统计量平稳时间序列的定义平稳时间序列的统计性质平稳时间序列的意义平稳性检验概率分布•概率分布的意义随机变量族的统计性质完全由它们的联合分布函数或联合密度函数决定•时间序列概率分布族的定义{ }Ft1,t2,...,tm(x1,x2,...,xm)m(1,2,...,m),t1,2,...,T•实际应用局限性概率分布•概率分布的意义随机变量族的统计性质完全由它们的联合分布函数或联合密度函数决定•时间序列概率分布族的定义{ }Ft1,t2,...,tm(x1,x2,...,xm)m(1,2,...,m),t1,2,...,T•实际应用局限性特征统计量•均值t EXt•方差Var(Xt)E(Xt t)xdFt(x)2(x t)dFt(x)•协方差•自相关系数(t,s)E(Xt t)(XS)S(t,s)(t,s)DXt DXs平稳时间序列的定义•严平稳严平稳是一种条件比较苛刻的平稳性定义,它认为只有当序列所有的统计性质都不会随时间的推移而发生变化时,该序列才能被认为平稳•宽平稳宽平稳是使用序列的特征统计量来定义的一种平稳性。
它认为序列的统计性质主要由它的低阶矩决定,所以只要保证序列低阶矩平稳(二阶),就能保证序列的主要性质近似稳定。
•满足如下条件的序列称为严平稳序列正整数m,t1,t1,...,tm T,正整数t,有Ft1,t2,...,tm(x1,x2,...,xm)Ft1t,t2t,...,•满足如下条件的序列称为宽平稳序列1)EXt,t T2)EXt,为常数,t T2tmt(x1,x2,...,x3)(t,s)(k,k s t),t,s,k且k s t T•常数性质•自协方差函数和自相关函数只依赖于时间的平移长度而与时间的起止点无关1)延迟k自协方差函数(k)(t,t k),k为整数2)延迟k自相关系数k(k)(0)自相关系数的性质••••规范性对称性非负定性非唯一性平稳性的检验•时序图检验根据平稳时间序列均值、方差为常数的性质,平稳序列的时序图应、无明显该显示出该序列始终在一个常数值附近随机波动,而且波动的范围有界、无明显趋势及周期特征•自相关图检验平稳序列通常具有短期相关性。
时间序列平稳性分析
文章结构•时间序列的概念
•平稳性检验
•纯随机性检验
•spss的具体操作
1.1时间序列分析的概念•时间序列是一个按时间的次序排列起来的随机数据集合。
而时间序列分析是概率论与数理统计学科的一个重要分支,它以概率统计学为理论基础来分析随机数据序列(或称为动态数据序列)并对其建立相应的数学模型,即对模型定阶,进行参数估计,进一步将用于预测。
在对时间序列进行分析的时候我们的前提任务是如何进行的呢?
2.1平稳性检验
•特征统计量
•平稳时间序列的定义
•平稳时间序列的统计性质
•平稳时间序列的意义
•平稳性检验
概率分布
•概率分布的意义
随机变量族的统计性质完全由它们的联合分布函数或联合密度函数决定
•时间序列概率分布族的定义
{ }•实际应用局限性
)
...(,,2,1,...,2,1m x x x F tm t t T
t m m ,...,2,1),,...,2,1(∈∀∈∀
特征统计量•均值
•方差
•协方差•自相关系数
⎰+∞∞-=
=)
(x
xdF
EX t
t
t
μ
)
(
)
(
)
(
)
(
2
x
dF
x
X
E
X
Var t
t
t
t
t⎰+∞∞--
=
-
=μ
μ
)
)(
(
)
,(S
S
t
t X
X
E
s
tμ
μ
γ-
-
=
s
t DX
DX
s
t
s
t
⋅
=
)
,(
)
,(
γ
ρ
平稳时间序列的定义
•严平稳
严平稳是一种条件比较苛刻的平稳性定义,它认为只有当序列所有的统计性质都不会随时间的推移而发生变化时,该序列才能被认为平稳•宽平稳
宽平稳是使用序列的特征统计量来定义的一种平稳性。
它认为序列的统计性质主要由它的低阶矩决定,所以只要保证序列低阶矩平稳(二阶),就能保证序列的主要性质近似稳定。
•满足如下条件的序列称为严平稳序列•满足如下条件的序列称为宽平稳序列
()(t t t m t t t x x x F x x x F t m t t m ,...,,,...,,21,...,,21,...,212,1+++=T t s k k s t t s k k s t T
t EX T
t EX t ∈-+∀-+=∈∀=∈∀∞<且)()(为常数,,,,,,)3,)2,)12
t γγμμ有正整数,正整数,,,...,,11t T t t t m m ∀∈∀∀
•常数性质
•自协方差函数和自相关函数只依赖于时间的平移长度而与时间的起止点无关
1)延迟k 自协方差函数
2)延迟k 自相关系数
为整数
)()(k k t t k ∀+=,,γγ)
()(0k γγρk =
自相关系数的性质
•规范性
•对称性
•非负定性
•非唯一性
平稳性的检验
•时序图检验
根据平稳时间序列均值、方差为常数的性质,平稳序列的时序图应、无明显该显示出该序列始终在一个常数值附近随机波动,而且波动的范围有界、无明显趋势及周期特征
•自相关图检验
平稳序列通常具有短期相关性。
该性质用自相关系数来描述就是随着延迟期数的增加,平稳序列的自相关系数会很快地衰减向零
例题•例2.1
•例2.2
•例2.3
例2.1时序图
例2.1自相关图
例2.2时序图
例2.2自相关图
例2.3时序图
例2.3自相关图
纯随机性检验
•纯随机序列的定义
•纯随机性的性质
•纯随机性检验
纯随机序列的定义
•纯随机序列也称为白噪音序列,它满足如下两条性质
T s t s t s t s t T
t EX ∈∀≠=⎩⎨⎧=∈∀=,,,,0,2,12t σγμ)()()(
标准正态白噪音序列时序图
白噪音序列的性质
•纯随机性
各序列值之间没有任何相关关系,即为“没有回忆”的序列
•方差齐性
根据马尔可夫定理,只有在方差齐性假定成立时,用最小二乘法得到的未知参数估计值才是准确的、有效的
,0≠∀=k k )(γ2
0a σγ==)()(t X r V
纯随机性检验
•检验原理
•假设条件
•检验统计量
•判别原则
Barlett 定理
•如果一个时间序列是纯随机的,得到一个观察期数为n 的观察序列,那么该序列的延迟非零期的样本自相关系数将近似服从均值为零,方差为序列观察期数倒数的正态分布
0,10~≠∀∧
k n N k ),(ρ
假设条件
•原假设:延迟期数小于或等于m 期的序列值之间相互独立
•备择假设:延迟期数小于或等于m 期的序列值之间有相关性
10m 210≥∀==⋅⋅⋅==m H ,:ρρρm
k m H ≤≥∀≠,1,0k :1ρ至少存在某个
检验统计量
•Q 统计量
•LB 统计量
)(~2
21m n Q m k k
χρ∑=∧=)
(~)()2(212
m k n n n LB m k k χρ∑=∧-+=
判别原则
•拒绝原假设
当检验统计量大于分位点,或是该统计量的P 值小于时,则可以以的置信水平
拒绝原假设,认为该序列为非白噪音序列•接受原假设
当检验统计量小于分位点,或该统计量的P 值大于时,则认为在
的置信水平下无法拒绝原假设,即不能显著拒绝序列为白噪音序列的假定
α)(m 2-1αχα-1αα-1)(m 2-1αχ
例题2.4。