时序预测 | MATLAB实现时间序列回归之偏差仿真
目录
*
– 时序预测 | MATLAB实现时间序列回归之偏差仿真
–
+ 基本介绍
+ 程序设计
+ 学习小结
+ 参考资料
基本介绍
滞后预测变量影响多元线性回归模型的最小二乘估计。
许多计量经济学模型是动态的,使用滞后变量来整合随时间的反馈。 相比之下,静态时间序列模型代表专门响应当前事件的系统。滞后变量有几种类型:
- Distributed Lag (DL)
- Autoregressive (AR)
- Moving Average (MA)
动态模型通常使用不同类型滞后变量的线性组合来构建,以创建 ARMA、ARDL 和其他混合模型。 在每种情况下,建模目标都是准确、简洁地反映相关经济因素之间的重要相互作用。
- 动态模型规范提出了一个问题:哪些滞后很重要? 某些模型(例如季节性模型)在数据中的不同时期使用滞后。 其他模型的滞后结构基于对经济主体如何以及何时对不断变化的条件做出反应的理论考虑。
- 一般来说,滞后结构确定对已知领先指标的响应的时间延迟。然而,滞后结构必须做的不仅仅是代表可用的理论。 由于动态规范会产生影响标准回归技术的变量之间的相互
Original: https://blog.csdn.net/kjm13182345320/article/details/121695117
Author: 机器学习之心
Title: 时序预测 | MATLAB实现时间序列回归之偏差仿真
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/634289/
转载文章受原作者版权保护。转载请注明原作者出处!