自迴歸模型
自迴歸模型(英語:,簡稱AR模型),是統計上一種處理時間序列的方法,用同一變數例如的之前各期,亦即至來預測本期的表現,並假設它們為一線性關係。因為這是從迴歸分析中的線性迴歸發展而來,只是不用預測,而是用預測(自己);所以叫做自迴歸。
自迴歸模型被廣泛運用在經濟學、資訊學、自然現象的預測上。
優點與限制
自迴歸方法的優點是所需資料不多,可用自身變數數列來進行預測。但是這種方法受到一定的限制:
- 必須具有自相關,自相關係數()是關鍵。如果自相關係數(R)小於0.5,則不宜採用,否則預測結果極不準確。
- 自迴歸只能適用於預測與自身前期相關的經濟現象,即受自身歷史因素影響較大的經濟現象,如礦的開採量,各種自然資源產量等;對於受社會因素影響較大的經濟現象,不宜採用自迴歸,而應改採可納入其他變數的向量自迴歸模型。
相關條目
- 向量自迴归模型(VAR模型)
- 移动平均模型 (MA模型)
- 自迴歸滑動平均模型(ARMA模型)
- 差分自迴歸滑動平均模型(ARIMA模型)
- 格蘭傑因果關係(Granger Causality)
This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.