18.8.4. ЭФФЕКТИВНЫЕ ОЦЕНКИ ДЛЯ МОДЕЛИ АР(р)
Мы рассмотрим только случай модели
на примере которого хорошо видна и общая ситуация. Чтобы воспользоваться методом максимума правдоподобия, вычислим функцию плотности распределения вероятности наблюдений
как
Такое разложение возможно, так как процесс
образует цепь Маркова с единичным интервалом зависимости [см. II, раздел 19.2].
Далее, снова предположим, что условное распределение
при известном
нормально. В соответствии с моделью (18.8.4) это распределение имеет среднее
и дисперсию
так что
или
Если мы будем рассматривать величину
как известную и тем самым потеряем одну степень свободы, функция правдоподобия как функция от
будет эквивалентна сумме квадратов
Минимум этого выражения по
равен просто
Эта величина очень близка к выборочной автокорреляции
для которой без учета поправки на смещение верхний предел суммирования во второй сумме равен
. Одна, возможно, существенная разница заключается в том, что в отличие от
(18.8.19) может приводить в крайних ситуациях к значениям
Это можно обойти, учитывая информацию о
Для этого воспользуемся тем, что частное распределение
имеет среднее 0 и дисперсию
Учитывая это соотношение в (18.8.17) и максимизируя по
приходим к функции
где
Множитель
обеспечивает существование минимума в допустимом интервале
хотя теперь для нахождения минимума требуются итерационные процедуры. Для таких процедур оценка
может послужить хорошим начальным приближением. Хотя в
играет особую
легко проверить, что выражение для
останется неизменным, если переупорядочить данные в обратном порядке; фактически
Эту симметрию можно использовать в различных замкнутых по форме выражениях при вычислении функции правдоподобия для общих моделей
Другое замечание касается обычно требуемого оценивания среднего значения ряда
для чего в сумме
величины х, заменяют на
При заданном значении
оценка
получающаяся при минимизации (18.8.23), равна
Если
близко к 1, эта величина может на малых выборках заметно отличаться от х. Поэтому рекомендуется использовать для
ММП-оценку, а не простую корректировку данных с помощью выборочного среднего.
Наконец, без множителя
в (18.8.21) часто можно обойтись по той же причине, по которой обходятся без множителя
в (18.7.2). То, что при этом получается, называют точными МНК-оценками, а не ММП-оценками.
В качестве примера к первой разности ряда продолжительности дня была подогнана модель
с тем, чтобы провести ее сравнение с моделью
построенной в разделе 18.7.3. Обозначая через
разности
можно записать результат в виде
Хотя подгонка не так хороша, как в модели
ее можно рассматривать как хорошее приближение.
Другой пример модели
будет приведен в разделе 18.11 для описания структуры ошибок, показанных на рис. 18.2.2, в), которые получены после подгонки синусоидальных компонент к данным о светимости переменной звезды. Модель
дает хорошую подгонку ряда поголовья свиней, если только принять во внимание квартальную сезонную составляющую, как будет показано в разделе 18.11.