ARMA模型(英語:Autoregressive moving average model,全稱:自我迴歸滑動平均模型)。是研究時間序列的重要方法,由自迴歸模型(簡稱AR模型)與移動平均模型(簡稱MA模型)為基礎「混合」構成。在市場研究中常用於長期追蹤資料的研究,如:Panel研究中,用於消費行為模式變遷研究;在零售研究中,用於具有季節變動特徵的銷售量、市場規模的預測等。
自我迴歸AR(p)模型
自我迴歸模型描述的是當前值與歷史值之間的關係。
移動平均MA(q)模型
移動平均模型描述的是自我迴歸部分的誤差累計。
- 其中 μ 是序列的均值,θ1,..., θq 是參數,εt , εt-1,..., εt−q 都是 白噪聲。
ARMA(p,q)模型
ARMA(p,q)模型中包含了p個自我迴歸項和q個移動平均項,ARMA(p,q)模型可以表示為:
有時ARMA模型可以用滯後算子(Lag operator) 來表示,。這樣AR(p)模型可以寫成為:
其中表示多項式
MA(q)模型可以寫成為:
其中θ 表示多項式
最後,ARMA(p,q)模型可以表示為:
或者
若,則ARMA過程退化為MA(q)過程 若,則ARMA過程退化為AR(p)過程。
相關條目
- 自迴歸模型(AR模型)
- 向量自我迴歸模型(VAR模型)
- 差分自回歸滑動平均模型(ARIMA模型)
- 格蘭傑因果關係(Granger Causality)
Wikiwand in your browser!
Seamless Wikipedia browsing. On steroids.
Every time you click a link to Wikipedia, Wiktionary or Wikiquote in your browser's search results, it will show the modern Wikiwand interface.
Wikiwand extension is a five stars, simple, with minimum permission required to keep your browsing private, safe and transparent.