前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >时间序列分析这件小事(三)--自回归的假设检验

时间序列分析这件小事(三)--自回归的假设检验

作者头像
钱塘小甲子
发布2019-01-28 15:50:05
1.6K0
发布2019-01-28 15:50:05
举报
文章被收录于专栏:钱塘小甲子的博客

和线性回归一样,我们对参数是要做检验的。不是回归出了什么方程,什么系数我们就认了。如果回归学的好的话,我们还会记得,在多元归中,我们有一个F检验,用来检验是否所有因子前面的回归系数是显著的,只要有一个显著,F检验就会拒绝零假设。

在自回归中,我们也要对回归的显著性做一个假设。时间序列的自回归检验通常有两种:Box-Pierce 与 Box-Ljung。两个大致一样,唯一的区别就是后者更加适合小样本。如果你的样本比较少,那么用后面一个比较好。在R中,我们检验一下之前的那个序列。

代码语言:javascript
复制
#example 4
Box.test(yt)
Box.test(yt,type = 'Ljung-Box')

检验的结果如下:

如何看这些检验结果呢?我们只要记住,这些检验方法和F检验一下,零假设都是所有相关性都是不显著的,也就是所有系数都是零。同时,P-value越小越拒绝。这里,P-value都很大,至少大于0.05,对应95%的显著性水平下,我都不能拒绝零假设,换句话说,我们不能说,存在显著的自回归关系。

很显然,我们是随机产生的时间序列,所以是这个结果是正确的。

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2016年12月02日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档