自回歸預測法

自回歸預測法是指利用預測目標的歷史時間數列在不同時期取值之間存在的依存關係(即自身相關)，建立起回歸方程進行預測。

基本介紹

• 中文名：自回歸
• 外文名：autoregressive
• 類型：預測
• 途徑：建立回歸方程

自回歸的定義

自回歸(autoregressive)，是利用觀測值Yt與以前時期的觀測值之間的關係來預測Y值的一種多元回歸方法。其中因變數是觀測值Yt，而自變數則是因變數的滯後值Yt-1，Yt-2，...。

什麼是自回歸預測法

具體說，就是用一個變數的時間數列作為因變數數列，用同一變數向過去推移若干期的時間數列作自變數數列，分析一個因變數數列和另一個或多個自變數數列之間的相關關係，建立回歸方程進行預測。

自回歸預測法的步驟

自回歸預測的步驟如下：

一、確定自相關數列

根據預測目的和要求，對預測目標的時間數列資料(月、季、年度)加以整理，使之具有可比性，並將這些數列劃分為因變數和自變數數列。

因變數數列的期限(即項數)，可以根據時間數列所反映周期變動規律確定。自變數數列，可用原時間數列向後逐期推移取得，它的期數必須同因變數數列相同。

二、確定回歸模型

計算各個自變數數列的自相關係數，自相關係數的計算方法同一般相關係數的計算方法相同。根據自相關係數的大小，確定自變數，即選擇自相關係數較大的自變數數列，用以擬合回歸模型。自回歸模型可以是線性的，也可以是非線性的；如果自回歸模型中只有一個自變數，稱為一階(一元)自回歸模型；有兩個自變數，稱為二階(二元)自回歸模型。經濟預測中，一般用向後推移一期或兩期的一階(元)線性自身回歸。因為二階(元)以上的自身回歸計算複雜，並不能提高預測準確度，用處不大。

三、估計參數，利用模型預測

模型參數值的求法，與其它回歸模型的參數求法一樣。預測期的自變數，就是自變數數列的下一期數值，在原時間數列中可以找到，用於進行預測。對預測值的可靠性檢驗，數列中可以找到，用於進行預測。對預測值的可靠性檢驗，也與其它回歸模型相同。

自回歸預測法的優缺點

自回歸預測法的優點是所需資料不多，可用自變數數列來進行預測。但是這種方法受到一定的限制，即必須具有自相關。這種方法只能適用於須閱某些具有時間序列趨勢相關的經濟現象，即受歷史因素影響較大的經濟現象，如各種開採量，各種自然產量等。對於受社會因素影響較大的經濟現象，不宜採用這種方法。