statsmodels.regression.linear_model.yule_walker¶

statsmodels.regression.linear_model.yule_walker(x, order=1, method='adjusted', df=None, inv=False, demean=True)[source]¶

使用Yule-Walker方程从序列中估计AR(p)参数。

调整或最大似然估计器 (mle)

Parameters:¶

xarray_like

一个一维数组。

orderint, optional

自回归过程的阶数。默认值为1。

methodstr, optional

方法可以是‘adjusted’或‘mle’，这决定了自相关函数（ACF）在滞后k处的估计的分母。如果为‘mle’，分母为n=X.shape[0]，如果为‘adjusted’，分母为n-k。默认值为adjusted。

dfint, optional

指定自由度。如果提供了df，则假设X具有df自由度，而不是n。默认值为None。

invbool

如果 inv 为 True，则还会返回 R 的逆矩阵。默认值为 False。

demeanbool

是的，在估计之前，均值会从X中减去。

Returns:¶

rhondarray

使用Yule-Walker方法计算的AR(p)系数。

sigmafloat

残差标准差的估计值。

另请参阅

burg

Burg 的 AR 估计器。

注释

参见 https://en.wikipedia.org/wiki/Autoregressive_moving_average_model 获取更多详情。

示例

>>> import statsmodels.api as sm
>>> from statsmodels.datasets.sunspots import load
>>> data = load()
>>> rho, sigma = sm.regression.yule_walker(data.endog, order=4,
...                                        method="mle")

>>> rho
array([ 1.28310031, -0.45240924, -0.20770299,  0.04794365])
>>> sigma
16.808022730464351