#|时序预测 | MATLAB实现时间序列回归之Bootstrapped测试时间序列|#|CNN卷积神经网络|时

时序预测 | MATLAB实现时间序列回归之Bootstrapped测试
目录

- 时序预测 | MATLAB实现时间序列回归之Bootstrapped测试
- - 基本介绍
  - 程序设计
  - 学习小结
  - 参考资料

【#|时序预测 | MATLAB实现时间序列回归之Bootstrapped测试】
基本介绍

对传统规格测试中尺寸失真的另一种反应是自举。保留从原始数据计算的检验统计量，但通过模拟重采样重新评估其分布，以产生更准确的 p 值。

从总体中重新采样数据是评估统计数据分布的标准技术。然而，经济时间序列的性质通常使这不切实际。经济有固定的历史。生成具有类似于经验数据的统计特性的现实替代路径需要额外的假设。

在自举测试中，空模型适合可用数据，残差的空分布用于近似创新的总体分布。然后对残差进行重新采样，并进行替换，以生成新的残差序列。

使用固定的预测器历史计算相应的引导响应。最后，新的响应数据用于重新拟合替代（原始）模型并重新计算测试统计量。重复此过程，以生成自举分布。为了比较，我们在其系数为零的原假设下引导 AGELag2 的 t 统计量。

程序设计