简介:统计建模和统计检验是统计分析中极为重要的内容,它们往往都要求样本数据满足一定的条件。比如,统计建模是以服从某种概率分布的样本观测数据为基础,通过估计得到的;统计检验要求样本数据满足随机性、独立性、正态性、方差齐性等条件,并且要验证待处理的样本数据是否满足这些条件,只有满足要求的条件,得到的结论才是有效而可靠的。当条件不满足时,需对待处理的原始样本数据进行适当的变换。这些工作对统计分析具有十分重要的作用,却被以往的研究所忽视,本文拟对与此相关的问题作进一步的探讨。一、ARMA模型对数据序列的平稳性要求条件及其数据变换ARMA模型是时序模型中最常用的模型,并在统计模型中占有重要的位置。建立ARMA
简介:在设定不同H真实值的情况下,通过DHM算法模拟出一系列FGN序列,对经典R/S分析方法估计H指数的有效性进行研究,并对中国股市收益序列的H指数进行测定。研究结果表明:当H真实值介于0-0.6和0.8-1之间时,分别高估和低估H指数;仅当H真实值介于0.6-0.8之间时,经典R/S分析方法才能做出稍好的估计,其估计有效性尽管不受回归方式、局部趋势性剔除处理的影响,但是受到标度长度的选取、短期相关性处理、序列长度、序列包含的白噪声成分强弱等各种因素的显著影响,中国股市收益序列的H指数可能介于0.6-0.8之间,从而具有明显的长记忆性。