01 Wold分解定理 02 AR模型 03 MA模型 04 ARMA模型

《应用时间序列分析》课程教学资源（PPT课件）第六章 非平稳时间序列分析

1、 请描述平稳时间序列的条件。 2、 单整变量的单位根检验为什么从 DF 检验发展到 ADF 检验？

第一节时间序列分析的基本概念 第二节平稳性的检验 第三节协整

 平稳性检验  纯随机性检验

ARMA 模型的干扰分析就是对平稳时间序列的均值变化进行显著性检验。先以 AR(1) 过程为例

 方法性工具  差分运算  延迟算子  线性差分方程  ARMA模型  AR模型（Auto Regression Model）  MA模型（Moving Average Model）  ARMA模型（Auto Regression Moving Average model）  平稳序列建模  序列预测  建模步骤  模型识别  参数估计  模型检验  模型优化  序列预测

由于虚假回归问题的存在，在回归模型中应避免直接使用不存在协积关系的非平稳变 量。因此检验变量的平稳性是一个必须解决的问题。在第二章中介绍用相关图判断时间序列 的平稳性。这一章则给出序列平稳性的严格的统计检验方法，即单位根检验。 在介绍单位根检验之前，先认识四种典型的非平稳随机过程

一、单位根过程 1、平稳过程与非平稳过程的差异 平稳时间序列具有如下特性： 具有常定均值，序列围绕在长期均值周围波动；

 时间序列的分解  确定性因素分解  趋势分析  季节效应分析  综合分析  X－11过程