Parametersignifikanz in der Modellanpassung testen 

Die geschätzten Parameter des Modells sind möglicherweise klein - kleiner als der erwartete Schätzwert für die Varianz. Dies könnte darauf hindeuten, dass ein einfacheres oder strukturierteres Modell besser mit den Daten zu vereinbaren wäre.

Erstellen Sie eine Zufallsstichprobe, indem Sie ein weißes Rauschsignal mit dem gleitenden Mittelwert tiefpassfiltern.

In[1]:=
Click for copyable input
X
Out[1]=

Stellen Sie die Daten in einem Zeitreihenmodell mit Mittelwert Null dar.

In[2]:=
Click for copyable input
X
Out[2]=

Erstellen Sie Parametertabellen, die die geschätzten Zeitreihenparameter und deren Standardabweichungen sowie die entsprechende -Teststatistik und den -Wert anzeigen.

In[3]:=
Click for copyable input
X
Out[3]=

Die Parametertabelle zeigt an, dass der autoregressive Koeffizient nicht signifikant von Null verschieden ist. Ermitteln Sie die Maximum-Likelihood-Schätzung des MA(1)-Modells.

In[4]:=
Click for copyable input
X
Out[4]=

Akaikes Informationskriterium begünstigt das mit der Maximum-Likelihood-Methode geschätzte MA(1)-Modell.

In[5]:=
Click for copyable input
X
Out[5]=

Berechnen Sie das 95 %-Konfidenzintervall des gleitenden Mittelwerts.

In[6]:=
Click for copyable input
X
Out[6]=
en es ja pt-br zh