序列自相关检验(也可以视为白噪声检验)
文献出处:
https://blog.nex3z.com/2019/07/24/time-series-q-statistic/ https://www.zhihu.com/question/22863169 ![在这里插入图片描述](https://img-blog.csdnimg.cn/20210103183825307.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RvZGluZ2Rvbmc=,size_16,color_FFFFFF,t_70#pic_center)
作用
对于滞后相关的检验,我们常常采用的方法还包括计算ACF和PCAF并观察其图像,但是无论是ACF还是PACF都仅仅考虑是否存在某一特定滞后阶数的相关。LB检验则是基于一系列滞后阶数,判断序列总体的相关性或者说随机性是否存在。 ARIMA模型去拟合数据后我们要对残差的估计序列进行LB检验,判断其是否是高斯白噪声,如果不是,那么就说明ARIMA模型也许并不是一个适合样本的模型。而对于更为复杂的模型,比如GARCH类模型,在开始进行ARCH效应检验并拟合后,对于所得到的序列,我们同样要进行LB检验,判断其是否与我们对模型的初始假定相同。
ARCH-LM在检验前后使用的目的是不同的,使用ARCH模型之前检验,是为了判断是否存在ARCH效应,是否使用该模型,使用ARCH模型之后再用该检验是为了判断ARCH模型是否消除了自回归条件异方差的影响。如果之前为检验,而做完模型之后才去
|