【问题标题】:auto.arima produces non-gaussian residualauto.arima 产生非高斯残差
【发布时间】:2018-10-23 10:55:13
【问题描述】:

我正在使用 R 的 auto.arimafunction - 但它似乎不会一直产生高斯错误。我找不到任何文档说明它对预测误差进行了一些引导(如果错误不是高斯),或者如果错误不是高斯,它会做什么?

【问题讨论】:

    标签: r time-series arima


    【解决方案1】:

    估计不需要高斯误差,即使使用高斯似然。高斯似然几乎与最小二乘法相同,并且可以对具有有限方差的任何误差分布给出一致的估计。

    唯一真正重要的残差分布是在生成预测区间时。如果残差不是高斯的,则默认预测区间不一定具有正确的覆盖范围。但是您可以设置bootstrap=TRUE 并获得基于残差经验分布的自举预测区间。

    【讨论】:

      猜你喜欢
      • 2018-07-23
      • 2016-05-04
      • 2013-09-10
      • 1970-01-01
      • 2020-03-25
      • 2020-10-22
      • 1970-01-01
      • 1970-01-01
      • 2023-03-15
      相关资源
      最近更新 更多