许多定期收集的时间序列(例如,季度或月)显示出季节性趋势,这意味着在连续多年的同一时期的观测结果之间存在关联。除了这种季节关系之外,在连续的时期内所做的观察也可能有关系。乘性ARIMA模型是ARIMA模型的扩展,该模型处理季节性和潜在的季节性单位根[1].
在滞后算子多项式表示法中, .对于具有周期性的级数年代,乘式ARIMA(p,D,问)×(p年代,D年代,问年代)年代是由
(1) |
这里是稳定度p基于“增大化现实”技术的算子多项式 , 是稳定的,程度p年代同样形式的AR算子。同样的,可逆的次数问马算子多项式 , 次数是可逆的吗问年代同样形式的MA算子。
当您指定一个乘性ARIMA模型使用华宇电脑
,
从它们各自的AR算子多项式中设置符号相反的非季节性和季节性AR系数。也就是说,指定在右边的系数方程1.
在观测数据的周期性中设置与季节多项式相关的滞后(例如,4,8,…)对于季度数据,或12,24,…对于月度数据),而不是季节性的倍数(例如,1,2,…)。这种约定不符合标准的Box和Jenkins表示法,但是一种更灵活的方法,用于合并乘法季节性。
非季节性差分算子, 解释了连续周期观测的非平稳性。季节差分算子, ,解释了连续多年同一时期观测结果的非平稳性。计量经济学工具箱™只支持季节性集成的程度万博1manbetxD年代= 0或1。当你指定年代≥0,计量经济学工具箱集D年代= 1。D年代= 0。
[1] Box, G. E. P. G. M. Jenkins和G. C. Reinsel。时间序列分析:预测与控制.3版。恩格尔伍德悬崖,NJ: Prentice Hall, 1994。