ARIMA模型
此條目沒有列出任何參考或來源。 (2022年3月10日) |
此條目需要精通或熟悉統計學的編者參與及協助編輯。 |
ARIMA模型(英語:Autoregressive Integrated Moving Average model),差分整合移動平均自我迴歸模型,又稱整合移動平均自我迴歸模型(移動也可稱作滑動),為時間序列預測分析方法之一。ARIMA(p,d,q)中,AR為自我迴歸,p為自我迴歸項數;MA為移動平均,q為滑動平均項數,d為使之成為平穩序列所做的差分次數(階數)。「差分」一詞雖未出現在ARIMA的英文名稱中,卻是使時間序列得以平穩關鍵的步驟。
ARIMA(p,d,q)模型是ARMA(p,q)模型的擴展。ARIMA(p,d,q)模型可以表示為:
其中L 是滯後算子(Lag operator),
模型特點
編輯- 不直接考慮其他相關隨機變量的變化。
ARIMA模型運用的流程
編輯相關條目
編輯這是一篇與統計學相關的小作品。您可以透過編輯或修訂擴充其內容。 |