前面說了AR模型和MA模型，ARMA就是結(jié)合一下，既有自回歸又有移動(dòng)平均

就是這樣形式哈！懶得打公式。。。

同樣還是舉個(gè)栗子 ！

#ARMA自回歸移動(dòng)平均模型 mod<-arima.sim(model=list(ar=c(0.7,0.1),ma=c(0.7,0.1)),n=100)#滯后項(xiàng)系數(shù)都為為0.7，0.1 plot(mod,type='o') acf(mod) pacf(mod)

這里模擬一個(gè)ARMA模型，

AR模型在自相關(guān)圖中p階結(jié)尾，偏自相關(guān)圖是衰減趨于0或震蕩。MA模型正好相反。

所以在ARMA模型在定階的時(shí)候見不能用自相關(guān)和偏自相關(guān)圖，只能用來初步判斷。

一般用AIC準(zhǔn)則來定階。

AIC越小，就越好哈，（很熟悉吧？多重共線性里逐步回歸也是這個(gè)準(zhǔn)則）

R語言里給給出了直接定階的函數(shù)auto.arima()

library(forecast) auto.arima(mod)

這里給出的滯后項(xiàng)的階數(shù)和模型不一樣，我們比較一下用他給的滯后項(xiàng)擬合，和原來模型階數(shù)擬合

arima.test(mod,order=c(1,0,2),include.mean=F)# ar一階 ma兩階 arima.test(mod,order=c(2,0,2),include.mean=F)#ar兩階，ma兩階

好像是他給的滯后階數(shù)擬合出來的模型要好

這就很奇怪了。。我認(rèn)為呢，，一個(gè)本身擬合的時(shí)候就是有隨機(jī)項(xiàng)，所以結(jié)果和模型有些偏差很正常，而且畢竟計(jì)量經(jīng)濟(jì)學(xué)是經(jīng)濟(jì)學(xué)，所以在擬合模型的時(shí)候還是要重點(diǎn)關(guān)注理論知識(shí)，模型合乎經(jīng)濟(jì)理論和經(jīng)濟(jì)規(guī)律就差不多了吧。

我也不是學(xué)經(jīng)濟(jì)的，所以沒啥這方面理論知識(shí)，希望大家分享一下在實(shí)際經(jīng)濟(jì)模型擬合過程中遇見的問題吧！

補(bǔ)一個(gè)ARMA的預(yù)測

ari.model<-arima(mod,order=c(1,0,2),include.mean=F) predict(ari.model,n.ahead=5) #向前預(yù)測5期

總結(jié)

以上是生活随笔為你收集整理的arma模型_R语言与计量经济学（七）ARMA模型的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。