← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9752.e · 生成模型:DeepSeek-V4.1-Flash

差分的次数与过度差分

理解等级:中级

为什么差分:带线性趋势的序列均值随时间变化,直接违背平稳性第一条件。两条路:对时间做回归、把拟合值减掉;或者计算相邻观测之差,即差分。差分不改动顺序结构,只把“水平”换成“变化量”,常能把漂移的均值压回常数。

阶数:一次差分后仍不平稳,可再做一次,得到二阶差分。d 就是这种变换做了几次;它不增加待估系数,只是预处理,所以 d 的选择本质上是在选“把数据摆平”的力度。

过度差分的代价:差分相当于高通滤波,每做一次都会放大高频噪声。图 8.10 中二次差分后的取值范围明显变宽,这就是信号——方差被无谓地抬高了,模型反而更难拟合。所以差分到“均值恒定、方差恒定”为止,不要为追求更平稳而反复差分。

判断次序:先看时序图判断趋势类型,差分后再看 ACF 是否快速衰减。季节数据用间隔为 s 的季节差分,而不是连续做多次普通差分。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《数据科学与大数据分析 数据的发现 分析 可视化与表示》第8章 高级分析理论与方法:时间序列分析(源文件:extracted/数据科学与大数据分析 数据的发现 分析 可视化与表示/_epub-src/text/part0018_split_002.html) - 结论依据:依据 8.2.4 关于回归去趋势与差分法、二次差分公式,以及图 8.10 对过度差分导致方差扩大的警告。 - 原始内容:尽管可以应用连续差分,但是需要避免过度差分。一个原因是过度差分可能会不必要地增加方差。如图8.10所示,在对y值差分两次以后,增加的方差可以通过绘制可能的过度差分值检测到,并观察到值的范围(spread)更大了。