短信预约提醒成功
(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：
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：
表4-1 我国1978年～2003年人均国内生产总值资料 单位：元/人
|
年份 |
时序t |
人均GDP（xi） |
年份 |
时序t |
人均GDP（xi） |
年份 |
时序 |
人均GDP（xi） |
|
1978 1979 1980 1981 1982 1983 1984 1985 1986 |
1 2 3 4 5 6 7 8 9 |
379 417 460 489 525 580 692 853 956 |
1987 1988 1989 1990 1991 1992 1993 1994 1995 |
10 11 12 13 14 15 16 17 18 |
1104 1355 1512 1634 1879 2287 2939 3923 4854 |
1996 1997 1998 1999 2000 2001 2002 2003 |
19 20 21 22 23 24 25 26 |
5576 6054 6308 6551 7086 7654 8214 9101 |
