期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
Ljung-Box检验及其改进方法的比较研究
1
作者 孙淇铭 《应用数学进展》 2023年第4期1884-1896,共13页
在时间序列模型的建模过程中,需要对模型拟合的充分性进行检验,通常会检验是否存在残差自相关。目前,Ljung-Box检验是被广泛应用于各种时间序列模型建模分析中,检验残差序列是否存在自相关的方法。该方法被证实存在一些缺陷,后继学者们... 在时间序列模型的建模过程中,需要对模型拟合的充分性进行检验,通常会检验是否存在残差自相关。目前,Ljung-Box检验是被广泛应用于各种时间序列模型建模分析中,检验残差序列是否存在自相关的方法。该方法被证实存在一些缺陷,后继学者们提出了一些新的改进方法。选取了四种基于Ljung-Box检验改进方法,通过蒙特卡洛模拟对其有限样本情况下的性质和表现进行了研究,指出了这些方法在实际应用中需要注意的问题。 展开更多
关键词 时间序列模型 ljung-box检验 蒙特卡洛模拟 检验功效
下载PDF
时间序列模型的Ljung-Box检验的发展与应用综述 被引量:1
2
作者 聂巧平 孙淇铭 《统计与管理》 2022年第4期101-107,共7页
在对时间序列的建模分析中,Ljung-Box方法被广泛用于检验模型拟合后的残差是否存在自相关的检验上,并以此判断模型的设定是否合适。鉴于现有发表文献中该方法应用的普遍性,本文调查了Ljung-Box检验在国内外的研究与应用情况,整理了基于... 在对时间序列的建模分析中,Ljung-Box方法被广泛用于检验模型拟合后的残差是否存在自相关的检验上,并以此判断模型的设定是否合适。鉴于现有发表文献中该方法应用的普遍性,本文调查了Ljung-Box检验在国内外的研究与应用情况,整理了基于该方法的改进及进一步研究状况,并对该方法向其他模型的拓展及其与多种估计方法、数理分析方法的结合发展进行了综述,最后对常见的改进方法进行了对比分析,并总结。籍此能为实证工作者们提供更可靠的规范应用相关方法的依据。 展开更多
关键词 时间序列模型 诊断检验 残差自相关 ljung-box检验
下载PDF
基于季节性ARIMA模型的短时交通流预测方法研究
3
作者 俞乐澜 邵梓轩 +1 位作者 徐程 李涛 《交通世界》 2024年第25期2-5,共4页
综合道路特点、行驶时间和车辆的特征等信息,采用时间差值法筛除无效数据,剔除运营车数据;在通过序列分解与ADF-1平稳性检验后,提出基于季节性ARIMA模型的短时交通流预测技术,以探究该模型下车流量预测精度达到最佳预测效果时的最优采... 综合道路特点、行驶时间和车辆的特征等信息,采用时间差值法筛除无效数据,剔除运营车数据;在通过序列分解与ADF-1平稳性检验后,提出基于季节性ARIMA模型的短时交通流预测技术,以探究该模型下车流量预测精度达到最佳预测效果时的最优采样间隔;采用AIC准则对参数寻优定阶,ADF检验和差分分析选择最优的差分阶层;为确保模型的可靠性,使用Ljung-Box Q检验进行白噪声检验。结果表明,时间间隔为15 min的车流量统计模型SARIMA(1,1,2)×(2,0,0)4在预测精度和稳定性方面均优于其他时间间隔和传统的ARIMA模型。同时,该方法也具有一定的通用性,可以应用于其他领域的短时流量预测。 展开更多
关键词 短时交通流预测 季节性ARIMA模型 ADF-1检验 ljung-box Q检验
下载PDF
基于持续期模型对高频金融数据分析
4
作者 钱有程 王暘 《吉林化工学院学报》 CAS 2014年第9期81-83,共3页
本文意在研究高频金融数据具有的性质和特点以及时间序列持续期模型的适用性.利用中国石油2014年6月9日至6月18日8个交易日1分钟高频交易数据,用时间序列持续期模型进行分析,得到交易的相互依赖现象,说明股票交易期间的具有聚集效应.这... 本文意在研究高频金融数据具有的性质和特点以及时间序列持续期模型的适用性.利用中国石油2014年6月9日至6月18日8个交易日1分钟高频交易数据,用时间序列持续期模型进行分析,得到交易的相互依赖现象,说明股票交易期间的具有聚集效应.这说明短时间间隔伴随着短交易时间,长时间间隔伴随长交易时间.同时也说明股票交易具有间歇性频繁、平淡,也验证了持续期模型对研究高频数据的特性的合理性. 展开更多
关键词 持续期模型 ljung-box统计量 高频金融数据
下载PDF
NAR神经网络的应用与检验——以城市居民生活需水定额为例 被引量:14
5
作者 李析男 王宁 +1 位作者 梅亚东 赵先进 《灌溉排水学报》 CSCD 北大核心 2017年第11期122-128,共7页
NAR神经网络具有反馈和记忆功能,其在时间序列的建模仿真方面具有显著优点。以城市居民生活需水定额为例,采用NAR神经网络建立了贵州省城市居民生活需水定额的时间序列模型,通过试验法、留一法交叉检验讨论了模型相关输入参数的计算与选... NAR神经网络具有反馈和记忆功能,其在时间序列的建模仿真方面具有显著优点。以城市居民生活需水定额为例,采用NAR神经网络建立了贵州省城市居民生活需水定额的时间序列模型,通过试验法、留一法交叉检验讨论了模型相关输入参数的计算与选取,通过相关系数、Nash效率系数、LBQ检验、ROC曲线方法检验了模型的性能和预测结果的精度,进而对贵州省城市居民生活需水定额变化趋势进行了预测。结果表明,(1)NAR模型性能良好并具有较高的预测精度,NAR神经网络的相关系数r、Nash效率系数分别达到0.97、0.87,LBQ检验得出预测结果误差不存在自相关性,采用预测结果绘制ROC曲线,其AUC值达到0.938(处于水平1,有较高准确性);(2)需水定额合理性评价中,预测2020年、2030年需水定额分别为137.72 L/(人·d)、132.94 L/(人·d),满足《室外给水设计规范》(GB50013—2006)的要求,具有较好的适用性。 展开更多
关键词 NAR神经网络模型 留一法交叉验证 ljung-box Q检验 ROC曲线 定额预测
下载PDF
How to Detect and Remove Temporal Autocorrelation in Vehicular Crash Data
6
作者 Azad Abdulhafedh 《Journal of Transportation Technologies》 2017年第2期133-147,共15页
Temporal autocorrelation (also called serial correlation) refers to the relationship between successive values (i.e. lags) of the same variable. Although it has long been a major concern in time series models, however... Temporal autocorrelation (also called serial correlation) refers to the relationship between successive values (i.e. lags) of the same variable. Although it has long been a major concern in time series models, however, in-depth treatments of temporal autocorrelation in modeling vehicle crash data are lacking. This paper presents several test statistics to detect the amount of temporal autocorrelation and its level of significance in crash data. The tests employed are: 1) the Durbin-Watson (DW);2) the Breusch-Godfrey (LM);and 3) the Ljung-Box Q (LBQ). When temporal autocorrelation is statistically significant in crash data, it could adversely bias the parameter estimates. As such, if present, temporal autocorrelation should be removed prior to use the data in crash modeling. Two procedures are presented in this paper to remove the temporal autocorrelation: 1) Differencing;and 2) the Cochrane-Orcutt method. 展开更多
关键词 Serial Correlation Durbin-Watson Breusch-Godfrey ljung-box Differencing Cochrane-Orcutt
下载PDF
股市收益率波动性和自相关性结合效应研究 被引量:6
7
作者 田海涛 苏阳 《武汉理工大学学报(信息与管理工程版)》 CAS 2018年第5期630-635,642,共7页
为了探究影响股票收益率高低的因子,基于股票收益率和波动率的关联,提出了将自相关性强度与波动率的结合效应用来解释收益率变化。其中波动率分别采用历史波动率和基于GARCH模型拟合的实际波动率,刻画自相关强度采用Ljung-Box检验统计... 为了探究影响股票收益率高低的因子,基于股票收益率和波动率的关联,提出了将自相关性强度与波动率的结合效应用来解释收益率变化。其中波动率分别采用历史波动率和基于GARCH模型拟合的实际波动率,刻画自相关强度采用Ljung-Box检验统计量。通过对一段时期内中国A股市场月个股收益率进行分析,分别检验波动率及Ljung-Box检验统计量与收益率变化的关联,提出二者的结合效应来解释收益率变化。通过统计分析与检验,发现结合效应的解释效果优于单独使用其中一个。此外,以收益率为响应变量,以波动率和Ljung-Box检验统计量作为解释变量建立多元线性模型,也可以看出这两个因子均对收益率的变化具有十分显著的解释能力,且自相关强度并非波动率的冗余信息。 展开更多
关键词 收益率 波动率 白相关性Ljung—Box检验
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部