我们为什么使用混合AR和MA模型的ARMA模型。 AR或MA不够吗？
我知道AR模型是先前读数的函数，而MA模型是先前错误的函数，还知道使用PACF最好地识别AR模型，并且知道使用ACF最好地识别MA模型（以及识别AR最好用PACF完成模型）。 但是在两者之间使用混合模型的本质是什么
答案 0 :(得分：0)
简短的回答：AR显示变量随时间变化的趋势，MA使预测误差随时间减小。
假设：
AR： x t 与 x t-1 ， x线性相关 t-2 ，... x tp ，其中 x t 是感兴趣的变量。
AM：ε t 与 x t-1 ，ε线性相关 t-1 ，ε t-2 ，... ε tq < / em>，其中ε t 是错误。
AR是模型的特征，AM是误差的特征。