#|时序预测 | MATLAB实现时间序列回归之似然检验 #|RNN循环神经网络|数据处理|时

时序预测 | MATLAB实现时间序列回归之似然检验 【#|时序预测 | MATLAB实现时间序列回归之似然检验】
目录

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

基本介绍

使用 CNLM 假设制定的 t 和 F 检验版本可以在创新分布偏离规范的各种情况下提供可靠的推论。

相比之下，基于可能性的测试需要一个正式的创新模型才能运行。数据似然度通常是在具有固定方差的独立且正态分布的创新假设下计算的。

可以调整 DGP 的这个基础模型以适应不同的创新模式，包括极端事件的更高概率，但仍然存在强分布假设。

与 F 统计量一样，数据似然性（或在实践中，对数似然）衡量整个模型或滞后结构的拟合度，而不是单个模型项的重要性。

可能性基于分布假设下数据的联合概率，而不是基于残差平方和。较大的可能性表示更好的拟合，但要评估模型的相对质量，必须评估可能性差异的统计显着性。

考虑 MAL12 的 OLS 估计值的正态对数似然及其限制。我们首先构建只有 AGELag2 的 MAL2，以完成所考虑的一组限制。

程序设计