短信预约提醒成功
1. 时间序列模型
时间序列模型也是应用回归分析的原理，在假定社会经济现象存在序列相关，即某一时期的发展水平和前几期水平相互关联的基础上，将前几期的变量作为自变量而建立的模型。
(1) 自回归模型
自回归模型考虑的是时间序列第t期的观测值与前若干期的观测值之间的线性回归关系。
(2) 滑动平均模型
另一种常见的时间序列模型是滑动平均模型(MA)，它可表示为：
(3) 自回归滑动平均模型
更一般的时间序列模型是用n阶自回归m阶滑动平均的混合模型来描述，称为AR-MA(n,m)模型。它满足：
建立时间序列模型，要进行四方面的选择和判断：一是判断所依据的时间序列资料是否能够满足稳定性要求;二是判断哪一种自回归模型适合，是AR模型，还是MA模型，或是ARMA模型;三是判断模型的阶数;四是对模型的参数进行估计。
所谓“平稳”时间序列，是指其统计特性不随时间的变化而发生变化。完全平稳时间序列的定义较为复杂，且实际问题中的时间序列往往不只要能是完全平稳的，因此统计中一般考虑的“平稳”可归结为：对所有的时间点，序列具有同样的均值、方差，而且任何两时间点s,t之间序列的协方差只取时间间隔(t-s)，而和这些点在时间轴上的位置无关。
以下，我们举实例来说明时间变量回归模型的应用。
例如，要观察我国改革开放以来人均国内生产总值的变化趋势，可以根据相应年度的统计数据建立动态模型：
