跳到主要内容

自回归模型

自回归模型属于算法组件中统计分析的一种时间序列回归组件。可以在“公共组件-算法设计-统计分析-时间序列分析”的分类中找到它。

原理​

自回归模型（英语：Autoregressive model，简称AR模型），是统计上一种处理时间序列的方法。
自回归模型被广泛运用在经济学、信息学、自然现象的预测上。

简介​

自回归模型（英语：Autoregressive model，简称AR模型），是统计上一种处理时间序列的方法，用同一变数例如x的之前各期，亦即x1至xt-1来预测本期xt的表现，并假设它们为一线性关系。因为这是从回归分析中的线性回归发展而来，只是不用x预测y，而是用x预测 x（自己）；所以叫做自回归。
自回归模型被广泛运用在经济学、信息学、自然现象的预测上。

定义​

其中： c是常数项； 被假设为平均数等于0，标准差等于  的随机误差值；  被假设为对于任何的t都不变。
文字叙述为：X的当期值等于一个或数个落后期的线性组合，加常数项，加随机误差。

优劣​

自回归方法的优点是所需资料不多，可用自身变数数列来进行预测。但是这种方法受到一定的限制：
必须具有自相关，自相关系数（ ）是关键。如果自相关系数(R)小于0.5，则不宜采用，否则预测结果极不准确。
自回归只能适用于预测与自身前期相关的经济现象，即受自身历史因素影响较大的经济现象，如矿的开采量，各种自然资源产量等；对于受社会因素影响较大的经济现象，不宜采用自回归，而应改采可纳入其他变数的向量自回归模型。

使用​

将自回归模型模块拖出，并找到想要使用的数据集与模型预测组件，分别与自回归模型连接。 image.png

预测结束后可以点击时间序列预测的查看结果，可以看到最后的prediction为最终的预测结果。

image.png

参数​

点击自回归模型组件的参数设置选项，可以看到有参数可以手动设置。

image.png missing:可用选项有“none”、“drop”和“raise”。如果' none '，则不执行nan检查。如果“drop”，任何关于nans的观察值都将被删除。如果“raise”，则会引发一个错误。默认的是“没有”。
trend:是否包含常数。“c”包括常数，“nc”没有常数。
method:‘cmle’, ‘mle’两种方法。
maxiter:模型最大迭代次数。
disp:是否显示log。
maxlag:如果ic为None，则maxlag是fit中使用的滞后长度。
**

参考文献​

https://baike.baidu.com/item/%E8%87%AA%E5%9B%9E%E5%BD%92%E6%A8%A1%E5%9E%8B https://www.statsmodels.org/dev/_modules/statsmodels/tsa/ar_model.html#AR