時間數列分析自一九七０年Box-Jenkins 發展出自我迴歸移動平均整合模式（簡稱Ａ
ＲＩＭＡ（ｐ，ｄ，ｑ））建立法後，便更普遍地應用於經濟、企管、工程及物理等
相關領域上。但利用Box-Jenkins 的鑑定方法一般只對ＭＡ或ＡＲ模型有效，而對混
合的ＡＲＭＡ模型則不適用。其後陸續有統計學者提出不同的鑑定方法，但都無法有
效地決定Ｐ、ｄ、ｑ階數。
直至一九八四年以後，Tsay和Tiao兩位學者才又提出了一套有效的鑑定法則，利用擴
展的樣本自我相關函數（Extended Sample Autocorrelation Function）或正規分析
（Canonical Analysis）求出的最小正規相關係數（The Smallest Canonical Corr-
elation ）做為鑑定ｐ、ｄ、ｑ的準則。這兩種方法的優點皆為可直接處理平穩或非
平穩型時間數列，而不用事先決定差分的階數，而且對混合ＡＲＩＭＡ模型亦有效。
對於有異常點（Outlier ）存在的時間數列，其可能由於某些外在的介入因素所引起
，而ＡＲＩＭＡ模型對資料的配適是不足夠的。因此該如何發現異常點的存在及加入
合理的介入模式亦構成了模型鑑定的問題。本文除對Tsay和Tiao的方法做一說明外，
亦利用其鑑定方法對存在有異常點的時間數列做一分析，並由實證研究探討其對季節
模型的鑑定效果。
| Identifer | oai:union.ndltd.org:CHENGCHI/B2002005740 |
| Creators | 徐瑞玲, XU, RUI-LING |
| Publisher | 國立政治大學 |
| Source Sets | National Chengchi University Libraries |
| Language | 中文 |
| Detected Language | Unknown |
| Type | text |
| Rights | Copyright © nccu library on behalf of the copyright holders |
Page generated in 0.1573 seconds