做钻石资讯网站,天元建设集团有限公司第十一建筑公司,2022年最火的加盟店,百度平台投诉人工电话目录
1.模型的显著性检验
R语言实现
例题
2.参数显著性检验 例题
小结 1.模型的显著性检验
检验模型的有效性#xff08;对信息的提取是否充分)
判定原则#xff1a; 一个好的拟合模型应该能够提取几乎所有的样本相关信息#xff0c;即残差序列应该为白噪声序列。反之…目录
1.模型的显著性检验
R语言实现
例题
2.参数显著性检验 例题
小结 1.模型的显著性检验
检验模型的有效性对信息的提取是否充分)
判定原则 一个好的拟合模型应该能够提取几乎所有的样本相关信息即残差序列应该为白噪声序列。反之如果残差序列为非白噪声序列那就意味着残差序列中还残留着相关信息未被提取这就说明拟合模型不够有效 原假设:残差序列为白噪声序列 备择假设:残差序列为非白噪声序列 LB检验统计量 若拒绝原假设,说明拟合模型不显著;如不能拒绝原假设认为拟合模型显著有效。
R语言实现
1、用Box.test()对残差序列进行白噪声检验 2、用aTSA程序包里的ts.diag()函数 例题
例4-1续2检验1900-1998年全球7级以上地震发生次数序列拟合模型的显著性(α 0.05)
代码如下
a-read.table(D:/桌面/4_1.csv,sep,,headerT)
x-ts(a$number,start1900)
plot(x) #时序图
library(aTSA) #aTSA导入程序包
adf.test(x) #单位根检验
for(i in 1:2)print(Box.test(x,lag6*i))
acf(x)
pacf(x)
#参数估计
fit1arima(x,orderc(1,0,0),methodML)
fit1
#模型显著性检验
ts.diag(fit1)
除了最后一句其他的都在上一篇进行了介绍在这里就不再介绍了。 图1是残差序列的自相关图图2是残差序列的偏自相关图重点图3白噪声检验的p值图4是正态性检验。
如图可知模型拟合显著有效。
2.参数显著性检验
检验每一个未知参数是否显著非零。删除不显著参数使模型结构最精简假设条件 检验统计量 p值小于a拒绝原假设认为参数显著。
R语言arima函数输出不包含参数检验
t值计算参数估计值除以参数标准差 调用t分布p值函数pt获取p值 例题
例4-1续(3)检验1900-1998年全球7级以上地震发生次数序列拟合模型参数的显著性(a 0.05) 代码如下续上面
#参数显著性检验#第一种方法
t-0.5432/0.0840
t
pt(t,length(x)-length(fit1$coef),lower.tailF)
#第二种方法
t-abs(fit1$coef)/sqrt(diag(fit1$var.coef))
t
pt(t,length(x)-length(fit1$coef),lower.tailF)
返回 如图检验p值都小于0.05所以模型拟合参数显著有效。
下面两道例题就请大家自己分析吧代码已附上
例4-2续(1)确定美国科罗拉多州某一加油站连续57天盈亏序列模型的显著性检验(α 0.05)
b-read.table(D:/桌面/4_2.csv,sep,,headerT)
y-ts(b$overshort)
plot(y) #时序图
#library(aTSA) #aTSA导入程序包
adf.test(y) #单位根检验
for(i in 1:2)print(Box.test(y,lag6*i))
acf(y)
pacf(y)
#参数估计
fit2arima(x,orderc(0,0,1),methodCSS)
fit2
#模型显著性检验
ts.diag(fit2)
#参数显著性检验
t-abs(fit2$coef)/sqrt(diag(fit2$var.coef))
t
pt(t,length(y)-length(fit2$coef),lower.tailF)
例4-3续(1)确定1880-1985全球气表平均温度改变值序列模型的显著性检验(α 0.05)
c-read.table(D:/桌面/4_3.csv,sep,,headerT)
z-ts(c$change,start1880)
plot(z) #时序图
difz-diff(z) #计算差分
plot(difz) #差分时序图
#library(aTSA) #aTSA导入程序包
adf.test(difz) #单位根检验
for(i in 1:2)print(Box.test(difz,lag6*i))
acf(difz)
pacf(difz)
#参数估计
fit3-arima(difz,orderc(1,0,1))
fit3
#模型显著性检验
ts.diag(fit3)
#参数显著性检验
t-abs(fit3$coef)/sqrt(diag(fit3$var.coef))
t
pt(t,length(difz)-length(fit3$coef),lower.tailF)
小结
1、模型的显著性检验 检验残差序列是否为白噪声序列可以调用aTSA程序包里的ts.diag函数 2、参数显著性检验 检验每一个未知参数是否显著非零。t检验计算t值用pt函数求p值。
