P(i|<)=959%(由两倍标准误来判断截尾性) 来判断序列是否服从某个AR(p)模型。 (3)对于ARMA(pq)模型,由于ps和中ss是拖尾的,因此p 与@也会出现拖尾特性。但ARMA(p,q)模型的阶数p,q不可能象 AR和MA模型的识别那样有明显的识别法则。一般只能从低阶到高 阶进行探试。 第二节模型估计 经过对序列的初识别后,就可对所选模型进行参数估计。 AR(p)模型参数的矩估计 假定序列Y经过识别,确定为p阶的AR(p)模型,即Y满足 Y=qH1+q22+…+nPn+E q192…,9,为未知参数。我们的目的是估计q,92…2° 根据Yule- Walker方程,有 PI Pp-2 用样本自相关函数代替总体自相关函数,可以得到参数 q1,92…q的估计: Pdfcreatedwithpdffactorytrialversionwww.pdffactory.com) 2 ( ˆ N P jss < =95.5%（由两倍标准误来判断截尾性） 来判断序列是否服从某个 AR（p）模型。 （3）对于 ARMA（p,q）模型，由于ρs和φSS是拖尾的，因此rs ˆ 与jss ˆ 也会出现拖尾特性。但 ARMA（p, q）模型的阶数 p, q 不可能象 AR 和 MA 模型的识别那样有明显的识别法则。一般只能从低阶到高 阶进行探试。 第二节 模型估计 经过对序列的初识别后，就可对所选模型进行参数估计。 一、AR（p）模型参数的矩估计 假定序列 Yt经过识别，确定为 p 阶的 AR（p）模型，即 Yt满足 Yt= Y Y pYp t j +j +L+j + e 1 1 2 2 j j j p , , , 1 2 L 为未知参数。我们的目的是估计j j j p , , , 1 2 L 。 根据 Yule-Walker 方程，有 ú ú ú ú ú û ù ê ê ê ê ê ë é = ú ú ú ú ú û ù ê ê ê ê ê ë é ú ú ú ú ú û ù ê ê ê ê ê ë é - - - - p p p p p p r r r j j j r r r r r r M M L L L L L L L 2 1 2 1 1 2 1 2 1 1 1 1 1 用 样 本自 相 关函数代替 总体 自 相关函 数 ，可 以 得到 参 数 j j j p , , , 1 2 L 的估计： PDF created with pdfFactory trial version www.pdffactory.com