自我迴歸模型

本页使用了标题或全文手工转换
维基百科,自由的百科全书
(重定向自自迴歸模型

自我迴歸模型(英語:Autoregressive model,簡稱AR模型),是統計上一種處理時間序列的方法,用同一變數例如的之前各期,亦即來預測本期的表現,並假設它們為一線性關係。因為這是從迴歸分析中的線性迴歸發展而來,只是不用預測,而是預測(自己);因此叫做自我迴歸

自迴歸模型被廣泛運用在經濟學資訊學、自然現象的預測上。

定義[编辑]

其中:常數項;被假設為平均數等於0,標準差等於隨機誤差值;被假設為對於任何的都不變。

文字敘述為:的當期值等於一個或數個前期值的線性組合,加常數項,加隨機誤差。

優點與限制[编辑]

自我迴歸方法的優點是所需資料不多,可用自身變數數列來進行預測。但是這種方法受到一定的限制:

  1. 必須具有自我相關,自相關係數)是關鍵。如果自相關係數(R)小於0.5,則不宜採用,否則預測結果極不準確。
  2. 自我迴歸只能適用於預測與自身前期相關的經濟現象,即受自身歷史因素影響較大的經濟現象,如礦的開採量,各種自然資源產量等;對於受社會因素影響較大的經濟現象,不宜採用自我迴歸,而應改採可納入其他變數的向量自迴歸模型

相關條目[编辑]