https://shdong.net/tags/%E6%97%B6%E9%97%B4%E5%BA%8F%E5%88%97%E5%88%86%E6%9E%90/ Recent content in 时间序列分析 on Sheng Dong's website https://shdong.net/ptr.png https://shdong.net/ptr.png Hugo -- gohugo.io en Sat, 29 Apr 2023 20:50:34 +0800 https://shdong.net/post/setar-model/ Sat, 29 Apr 2023 20:50:34 +0800 https://shdong.net/post/setar-model/ <p>SETAR的全称是“Self-Exciting Threshold Auto-Regressive (SETAR) models”，可用于对一个时间序列变量的模式演变进行阶段划分。该模型最早于1977年由Howell Tong提出<sup id="fnref:1"><a href="#fn:1" class="footnote-ref" role="doc-noteref">1</a></sup>。</p> https://shdong.net/post/amra_co2/ Wed, 27 Apr 2022 03:03:57 +0000 https://shdong.net/post/amra_co2/ <p>自回归滑动平均模型（Autoregressive moving average model，ARMA）是研究时间序列的重要方法，以由自回归模型（简称AR模型）与移动平均模型（简称MA模型）为基础“混合”构成。用AMRA模型预测了在当前趋势下，未来二十年内全球二氧化碳浓度的变化趋势。</p> <img src="https://shdong.net/images/image-20220427030941064.png" alt="image-20220427030941064" style="zoom: 33%;" /> <h1 id="分析过程">分析过程</h1> <p>数据集：NOAA Earth System Research Laboratories下属的Global Monitoring Laboratory提供的1969年-2022年逐月的二氧化碳浓度变化数据</p> <p><a href="https://gml.noaa.gov/dv/iadv/graph.php?code=MLO&program=ccgg&type=ts">数据来源网址</a></p>