用ARIMA和AR模型預測一個國家/城市的GDP時各自模型體現出的優缺點?

如果用ARIMA這個時間序列模型來預測一個國家和城市的GDP發展,與用AR模型比起來,哪一個體現出的結果會更好?他們各自的優缺點又是什麼?


AR模型就是ARIMA的一種,要看哪個更模型更合適。

——————————————————

好的,現在繼續答一點

AR模型,是Auto-regressive Model的縮寫,全稱為自回歸過程,AR(p)模型的一般形式為:

X_t=phi_1X_{t-1}+...+phi_pX_{t-p}+varepsilon _t

其中:

varepsilon _tsim WN(0,sigma^2),forall s<t,E(X_scdot varepsilon_t)=0

MA模型,是Moveing Average Model的縮寫,全稱滑動平均過程,MA(q)模型的一般形式為「

X_t=mu+varepsilon_t-	heta_1varepsilon_{t-1}-...-	heta_qvarepsilon_{t-q}

其中:

Evarepsilon_t=0,Var(varepsilon_t)=sigma^2

ARMA模型,是Autoregressive-Moving Average Model的縮寫,全稱自回歸滑動平均模型,ARMA(p,q)模型的一般形式為:

X_t=c+phi_1X_{t-1}+...+phi_{p}X_{t-p}+varepsilon_t-	heta_1varepsilon_{t-1}-...-	heta_qvarepsilon_{t-q}

其中:

varepsilon _tsim WN(0,sigma^2),forall s<t,E(X_scdot varepsilon_t)=0

ARIMA模型,是Autoregressive Integrated Moving Average的縮寫,全稱求和自回歸滑動平均模型,ARIMA(p,d,q)模型的一般形式為(簡記):


abla^dX_t=frac{Theta(B)}{Phi (B)}varepsilon_t

其中:

Theta(B)=1-phi_1B-...-phi_pB^p,為平穩可逆ARMA(p,q)模型的自回歸係數多項式;

Theta(B)=1-	heta_1B-...-	heta_qB^q,為平穩可逆ARMA(p,q)模型的移動平滑係數多項式。

在這裡,ARIMA模型我寫的是簡寫,因為從簡寫的式子更容易發現(明明是偷懶了好吧...),ARIMA模型的實質就是差分運算與ARMA模型的組合。事實上,任何非平穩序列只要通過適當階數的差分運算實現差分後平穩,就可以對差分後序列進行ARMA模型的擬合了。

有了以上基礎,可以看出,AR,MA,ARMA,ARIMA以及沒有提到的SARIMA模型,事實上都是同一類的模型,因此可以說,題主的問題應該是不成立的,因為二者本來就是同一類模型,沒有辦法比較優劣,要在定階的過程中去比較模型的優劣。

參考文獻:

王黎明,王連,楊楠.應用時間序列[M].復旦大學出版社.2012.7:48-67

——————————————————————

以上

謝絕轉載


首先,當ARIMA(p,q)中q=0時,ARIMA(p,0)=AR(p)。

談結果,實際是自己在實驗中通過判斷相關偏相關及結果選擇最優的(p,d,q)三個參數。

三個參數中差分階數d應被首先確定,以檢驗序列的平穩性,一般情況下d&<3.

差分檢驗平穩後,判斷自相關係數來選擇適合的模型:

若偏自相關截尾,自相關拖尾,則選擇AR過程;反之選擇MA;若均拖尾則選擇ARIMA.

實驗的現象自然就能解釋TZ的兩個問題了。


誠如點贊最高的答案所言,ar,ma,arma,arima,sarima模型其實是一類,更加精確的說法,ar模型是arima模型的一種。

那麼是不是只需要Arima模型,不需要ar模型了呢?事實上,我們在卻定一個模型階數的過程中,我們要考慮所有有可能的階數,選擇最合適的階數,最後這個合適的階數,如果只有ar模型的階,沒有ma模型的階,就會由arma模型退化為ar模型。

問題有二:一是如何選擇最優模型?

二是即使選擇了最優模型,形式是ar模型的形式,也可以用arima模型來表達,那麼ar模型的意義在哪裡?

先回答問題一:最優模型的選擇一般先看自相關與偏自相關函數,什麼時候不顯著異於零,則模型開始截尾或者拖尾(截尾是指等於零,其實我們看得見的模型都是拖尾的,我從來沒看到過嘩啦一下就等於零的圖形,所以大家都很默契的直接選arima)。在階數確定之後要求模型儘可能簡潔,也就是說階數要少,要求模型擬合效果好,於是就可以看我們備選模型的AIC、AICc、BIC等係數。

問題二:ar模型的意義在於統計性質更好證明,可以做精確估計,當階數升高到一定程度,Arima模型一般會用狀態空間模型求解,過程很複雜,ar模型更加簡單直接,在簡潔性上面由於arima模型,有很好的範例作用,具有一定的教學意義,可解釋性也更強大。

所以問題二,我眼中的意義就是……很有教學意義,可以展示給同學看。


推薦閱讀:

安徽南北差距怎麼這麼大?皖南皖北經濟發展收入差距大原因?
GDP總量與人均GDP的關係——GDP指標的意義與局限?
如何看待多省自曝家醜 GDP 注水?
2015年第三季度中國gdp增速為6.9,可是作為江蘇無錫人,明顯感到江浙滬經濟在衰退,經濟增長在哪?
一個關於 GDP 計算的問題?

TAG:統計學 | 宏觀經濟學 | 國內生產總值GDP | 時間序列分析 |