自我回归模型 编辑
自我回归模型，是统计上一种处理时间序列的方法，用同一变数例如



x


{\displaystyle x}

的之前各期，亦即




x

1




{\displaystyle x_{1}}

至




x

t
−
1




{\displaystyle x_{t-1}}

来预测本期




x

t




{\displaystyle x_{t}}

的表现，并假设它们为一线性关系。因为这是从回归分析中的线性回归发展而来，只是不用



x


{\displaystyle x}

预测



y


{\displaystyle y}

，而是用



x


{\displaystyle x}

预测



x


{\displaystyle x}

；因此叫做自我回归。
1
相关
向量自我回归模型是一种常用的计量经济模型，由计量经济学家和宏观经济学家克里斯托弗·西姆斯提出。它扩充了只能使用一个变量的自我回归模型，使容纳大于1个变量，因此经常用在多变量时间序列的分析上。
向量自我回归模型是一种常用的计量经济模型，由计量经济学家和宏观经济学家克里斯托弗·西姆斯提出。它扩充了只能使用一个变量的自我回归模型，使容纳大于1个变量，因此经常用在多变量时间序列的分析上。
吉尔伯特·托马斯·沃克爵士CSI Royal Society是英国物理学家和统计师。沃克精通数学，将其应用于空气动力学、电磁学和时间序列分析等多个领域的研究，并且在剑桥大学担任教职。他在没有气象学研究经验的时候获得印度气象部门的聘请，开始从事预测季风的统计方法研究。他开发了分析时间序列数据的方法，这一方法现在被称为自我回归模型。他以对圣婴现象的开创性描述而闻名，这是全球气候的一个重大现象，同时他还发现了以他的名字命名的沃克环流，极大地推动了气候学的发展。他还在帮助印度数学神童斯里尼瓦瑟·拉马努金的早期职业生涯中发挥了重要作用。