AR

简述

自回归模型，AR(p)模型，选择使用最小二乘，Yule-Walker方法，Foiward-backward,Geometric lattice,Burg’s lattice-bas去估计p阶自回归模型的系数，返回结果有自回归系数、残差方差、预测值及预测波动等信息
AR(p)模型：

其中：

为原序列零均值化的新序列，

是自回归方程系数，

是零均值，方差为

的平稳白噪声

定义

AR(Y:Array of Real;P:Integer; Approach:String):Array;

参数

名称

类型

说明

Array of Real

样本序列，为一维数组类型，注意要零均值化

Integer

自回归阶数

Approach

String

估计方法

估计方法选项
最小二乘	'ls'
Yule-Walker方法	'yw'
Foiward-backward	'fb'
Geometric lattice	'gl'
Burg’s lattice-bas	'burg'

返回结果:
Ret["AR"]:参数估计结果，

，第一项为1
Ret["T-test"]:AR模型参数的T检验
Ret["e"]:残差信息
Ret["LossFunction"]:残差平方和/n-p
Ret["FPE"]:预测最大误差
Ret["AIC"]:模型的AIC信息准则
Ret["SC"]:模型的SC信息准则
Ret["Inverted AR Roots"]:特征方程的特征根
Ret["R_squared"]:AR模型的可决系数
Ret["Adjusted_R_squared "]:AR模型的修正可决系数
Ret["Sum_squared_resid"]:AR模型的离差平方和
Ret["Durbin Watson stat"]:DW统计量
Ret["Log Likelihood"]:对数极大似然值
Ret["S.E. of regression"]:回归标准差

范例

elps:=Randnorm(0,1,200);
y:=array();
y[0]:=0;
y[1]:=0;
for i:=2 to 199 do
y[i]:=-0.5*y[i-1]+0.3*y[i-2]+elps[i];
return AR(y,2,'ls');

结果：

参考
Time_ACF Time_PACF Time_RandomTest ARMA

AR 复制链接

AR