如何判斷時間序列是否是白雜訊

1樓：匿名使用者

先簡單講講白雜訊特點，和test方法，然後上r**白雜訊(對一系列的e1,e2,e3.....et)定義就三個條件：

1.e(et)=0

2.var(et)=a^2

3.cov(et,es)=0 （其中t不等於s）而檢驗一般用box-ljung test，公式如下：

r**如下：

set.seed(111)

#####生成正太隨機數

ds=rnorm(1000)

#####box-ljung 檢驗

box.test(ds,type='ljung',lag=log(length(ds)))

box-ljung test

data: ds

x-squared = 5.4432, df = 6.9078, p-value = 0.5957

#####p值大於0.05，說明接受為白雜訊，

如何判斷時間序列是否是白雜訊

2樓：匿名使用者

通過傅利葉變換將時域資訊轉換為頻域資訊，看其在頻域上是不是均勻分布。如果是，那就是白雜訊。

白雜訊最大的特點是其在頻域上的完全均勻分布，因此轉換成頻域表達後應該表現為近似一根直線（由於其隨機性，可能分布上略有波動，但不同頻率的差別不會太大）

用eviews或spss怎麼檢驗乙個時間序列為白雜訊序列呢？

3樓：匿名使用者

樓主提取趨勢的原因是想讓趨勢序列平穩化吧？你說要提取時間序列的週期，那就說明去趨勢序列還含有週期變動，這樣的話它肯定就不是白雜訊序列了。如果這樣，則首先要對提取趨勢後的序列做單位根檢驗，檢驗提取趨勢後的序列是否平穩。

單位根檢驗的步驟為（eviews）：開啟序列，點選view，unit root test ，使用預設選項即可，看輸出的p-value，h0為：序列有單位根（不平穩），h1為：

沒有單位根（平穩）。根據p值做出判斷。若去趨勢序列平穩了，那就可以對平穩序列建模了，例如arma模型，存在週期的話也可以用週期函式擬合，或者使用季節差分的arma模型。

當這些都完成後，再應該對殘差序列做白雜訊檢驗，通過白雜訊檢驗就說明建模完成。白雜訊檢驗的步驟為：開啟resid序列，view，correlogram，差分階數選擇level，確定，看q統計量的伴隨p值是不是很大就行了。