自我迴歸模型
此條目需要精通或熟悉相關主題的編者參與及協助編輯。 (2015年12月14日) |
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,亦即至來預測本期的表現,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,而是用預測(自己);因此叫做自我迴歸。
定義
其中: 是常數項; 被假設為平均數等於0,標準差等於 的隨機誤差值; 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
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:
相關條目
- 向量自迴歸模型(VAR模型)
- 移動平均模型 (MA模型)
- 自迴歸滑動平均模型(ARMA模型)
- 差分自迴歸滑動平均模型(ARIMA模型)
- 格蘭傑因果關係(Granger Causality)
這是一篇與統計學相關的小作品。您可以透過編輯或修訂擴充其內容。 |