【问题标题】：Why are we using ARMA model that mixes AR and MA model. Isn't AR or MA sufficient?为什么我们使用混合了 AR 和 MA 模型的 ARMA 模型。 AR 或 MA 还不够吗？
【发布时间】：2018-08-12 11:12:56
【问题描述】：
我们为什么要使用混合了 AR 和 MA 模型的 ARMA 模型。 AR 或 MA 还不够吗？
我知道 AR 模型是先前读数的函数，MA 模型是先前错误的函数，还知道识别 AR 模型最好使用 PACF 完成，并且知道识别 MA 模型最好使用 ACF（以及识别 AR模型最好用 PACF 完成）...
但是在两者之间使用混合模型背后的直觉是什么
【问题讨论】：
标签：
time-series
data-science
data-science-experience
【解决方案1】：
简答：AR 显示变量如何随时间演变，MA 使预测误差随时间减小。
假设：
AR：xt 线性依赖于 xt-1, x t-2,...xt-p，其中xt em> 是感兴趣的变量。
AM: εt 线性依赖于 xt-1, ε t-1, εt-2,...εt-q，其中 εt 是错误。
AR 是模型的特征，AM 是误差的特征。