搜遍了全网也没查到如何AIC最小准则确定平稳性检验的滞后阶数，reg完后estate ic也不好使，书上答案是这个模型的滞后阶数为2
有人知道吗
0条回答 默认 最新
- 2024-08-28 04:15智能科技前沿的博客 在实际应用中，如果单位根的零假设被拒绝，意味着序列是平稳的，有一个长期...选择ADF（Augmented Dickey-Fuller）检验的滞后阶数是一个重要的步骤，因为它可以影响检验的功效和结果的可靠性。是设定的最大滞后阶数，
- 2022-03-21 18:22AI蜗牛车的博客 当我们有一个新的时间序列数据时，怎么判断它是否是平稳的呢？时间序列平稳性检验方法，可分为三类：图形分析方法简单统计方法假设检验方法一、图形分析方法图形分析方法是一种最基本、最简单直接的方法...
- 2022-03-20 12:28Pysamlam的博客 时间序列平稳性检验方法，可分为三类：图形分析方法简单统计方法假设检验方法一、图形分析方法图形分析方法是一种最基本、最简单直接的方法，即绘制图形，肉眼判断。可直接可视化时间序列数据，也可以可...
- 2021-02-06 09:05立风ukyo的博客 __ ____ ____ ____ (R)/__ / ____/ / ____/___/ / /___/ / /___/ 13.1 Statistics/Data Analysis此次系列文章的主题是通过Stata软件来分析时间序列的平稳和非平稳关系，以及如何通过Stata软件来进行不同时间序列模型...
- 2020-11-20 05:55weixin_39586526的博客 __ ____ ____ ____ (R)/__ / ____/ / ____/___/ / /___/ / /___/ 13.1 Statistics/Data Analysis此次系列文章的主题是通过Stata软件来分析时间序列的平稳和非平稳关系，以及如何通过Stata软件来进行不同时间序列模型...
- 2020-12-29 13:26吴清缘的博客 __ ____ ____ ____ (R)/__ / ____/ / ____/___/ / /___/ / /___/ 13.1 Statistics/Data Analysis此次系列文章的主题是通过Stata软件来分析时间序列的平稳和非平稳关系，以及如何通过Stata软件来进行不同时间序列模型...
- 2024-07-07 22:00Hole_up的博客 它结合了自回归模型（AR）和移动平均模型（MA）的特性，能够描述时间序列数据中的自相关性和随机扰动之间的关系。ARMA模型通常表示为ARMA(p, q)形式，其中p表示自回归项的数量，q表示移动平均项的数量。
- 2021-06-18 16:19大数据李菜的博客 一阶差分：时间序列在t 与t-1 时刻函数值的差值，提升时序数据的平稳性（ARIMA算法对数据平稳性有要求） 二阶差分：在一阶差分的基础上再做一次（一般时序数据最多做两阶，再多则预测意义不大） 自回归模型：f(t)，t...
- 2021-11-13 19:20「已注销」的博客 本篇来介绍根据已有的时间序列数据来拟合ARMA模型。需要说明的是不同阶数的ARMA模型可能近似或完全等价，因此模型估计的结果也不是唯一的；筛选标准通常遵守简练性原则。1 arima()函数...
- 2024-03-15 20:51张张张三丰的博客 时间序列处理进阶2.0
- 2022-01-12 14:56糖的博客 文章目录时间序列预测（不包含深度学习）一、单变量预测ARIMA1.基本步骤（1）自回归模型AR（2）移动平均模型MA（3）自回归移动平均模型（ARMA)（4）选择ppp和qqq的方法2.参数（以Merlion包下ARIMA模型为例）二、多...
- 2020-12-09 23:30螺旋真理的博客 在双变量情况下，我们可以令{yt}的时间路径受序列{zt}的当期或过去的实际值的影响，考虑如下简单的双变量体系式(5.17)和(5.18)并非是诱导型方程，因为yt对zt有一个同时期的影响，而zt对yt也有一个同时期的影响。...
- 2024-07-13 21:36Hole_up的博客 以下将介绍一元时间序列分析的十种模型，更多的是需要大概了解模型，方便后面更好的应用
- 2020-08-26 13:12机智何某的博客 时间序列分析(Time-Series Analysis)是指将原来的数据分解为四部分来看——长期趋势（secular trend，T）、季节趋势（seasonal variation，S）、循环变动（cyclical variation，C）和不规则变动（irregular ...
- 2025-05-28 04:05十二月极光的博客 在统计学和计量经济学中，时间序列分析是研究按照时间顺序排列的数据点的重要方法。在这之中，自回归移动平均（ARMA）模型是经典的时间序列分析工具，用于预测和控制基于时间序列数据的系统。ARMA模型结合了自回归...
- 2025-03-24 21:40具身机器人与医疗Agent曾小健的博客 它通过一组一阶微分方程（针对连续时间系统）或差分方程（针对离散时间系统）来表示系统，而非采用一个或多个高阶方程。这种表示方法的核心在于将系统的动态行为解耦为状态变量的演变以及观测变量与状态变量之间的...
- 2020-07-08 22:16weixin_1822045735的博客 上期讲了理论部分，这期结合代码看看如何做预测，并与预测结果进行比较。 一、导入数据包，后台回复 wind 即可下载 import matplotlib.pyplot as plt import numpy as np from dateutil.relativedelta import ...
- 2022-07-30 22:54苗半里的博客 时间序列分析预测
- 2022-10-11 17:21肖永威的博客 本文是系统整理基于ARMA模型预测销量实践过程，归纳时间序列及相关基本概念、ARMA模型及其建模过程，本篇是模型原理及相关基础概念的后续内容，重点是代码实现及分析。
- 2017-05-11 20:17LinJingke的博客 时间序列分为：非季节性数据和季节性数据 一个非季节性时间序列包含一个趋势部分和一个不规则部分。 一个季节性时间序列包含一个趋势部分，一个季节性部分和一个不规则部分。 在实践操作中，时间序列数据存在着...
- 没有解决我的问题, 去提问
问题事件
系统已结题
4月20日
创建了问题
4月12日