对其进行零均值化，令Z,=Y-0.081595另一种对GDP平稳化的方法是作二阶差分。一般来说，对于具有线性变动趋势的序列，一阶差分即可平稳化：对于具有二次曲线变化趋势的序列，二阶差分可将其平稳化
对其进行零均值化，令 Zt = Yt -0.081595 另一种对GDP平稳化的方法 是作二阶差分。一般来说，对于具 有线性变动趋势的序列，一阶差分 即可平稳化；对于具有二次曲线变 化趋势的序列，二阶差分可将其平 稳化
S4.1模型识别模型识别的含义所谓模型识别是指对于一个给定的时间序列数据，从各种模型类型中选择一个最适合的模型。本书介绍的是Box-Jenkins的模型识别方法，它是根据时间序列数据的自相关、偏自相关函数的特征来确定模型的类型
§4.1 模型识别 模型识别的含义 所谓模型识别是指对于 一个给定的时间序列数据，从各种模型 类型中选择一个最适合的模型。 本书介绍的是Box—Jenkins的模 型识别方法，它是根据时间序列数据 的自相关、偏自相关函数的特征来确 定模型的类型
使用BJ方法来建模主要采用的是自相关与偏自相关函数来识别与定阶。对于不同的时间序列，所选择的模型形式不同，具体选取哪一种模型以及其阶数是多少，首先要对时间序列的自相关函数与偏自相关函数进行分析。为此我们复习自相关与偏自相关函数截尾的定义
使用BJ方法来建模主要采用 的是自相关与偏自相关函数来识 别与定阶。对于不同的时间序列 ，所选择的模型形式不同，具体 选取哪一种模型以及其阶数是多 少，首先要对时间序列的自相关 函数与偏自相关函数进行分析。 为此我们复习自相关与偏自相关 函数截尾的定义
若时间序列Y的自相关函数满足：Pk ≠0k≤qPk =0k>q称自相关函数为步截尾。否则，称自相关函数为拖尾。若时间序列Y的偏自相关函数满足
若时间序列Yt的自相关函数 满足： 称自相关函数为q步截尾。否 则，称自相关函数为拖尾。 若时间序列Yt的偏自相关函 数满足 0 k q 0 k = k k q
#0k≤pPk=0k>pPk称偏自相关函数为p步截尾。否则，称偏自相关函数为拖尾。由自相关与偏自相关函数的定义可知，一般来说，自相关与偏自相关函数随着k的增大呈递减趋势，不过有时衰减的快，有时衰减的慢
称偏自相关函数为p步截尾。否 则，称偏自相关函数为拖尾。 由自相关与偏自相关函数的定义 可知，一般来说，自相关与偏自相关 函数随着k的增大呈递减趋势，不过 有时衰减的快，有时衰减的慢。 p p kk kk = 0 k 0 k