ARMA([img=25x18]180364b7d04e93c.png[/img])模型识别主要使用的工具是（ ）
A: 自相关函数
B: 偏自相关函数
C: ADF检验
D: DF检验
E: [img=32x19]180364b7d8a164a.png[/img]检验
A: 自相关函数
B: 偏自相关函数
C: ADF检验
D: DF检验
E: [img=32x19]180364b7d8a164a.png[/img]检验
A,B
举一反三
- ARMA([img=25x18]180364b7d04e93c.png[/img])模型识别主要使用的工具是（ ） 未知类型：{'options': ['自相关函数', '偏自相关函数', 'ADF检验', 'DF检验', '180364b7d8a164a.png检验'], 'type': 102}
- 平稳性检验的方法有（ ） A: 单位根检检验 B: 时间序列图 C: DF检验 D: ADF检验 E: [img=32x19]180364b7bd8aa9d.png[/img]检验
- 随机时间序列模型的识别主要使用的工具是()。 A: 自相关系数 B: DF检验 C: ADF检验 D: 偏自相关系数 E: 单位根检验
- 检验序列平稳性的方法有()。 A: 散点图 B: 自相关函数检验 C: DF检验 D: ADF检验
- 假设DF检验使用的模型为[img=212x23]18034b194f04997.png[/img]，其中[img=13x17]18034b195835242.png[/img]为白噪声序列。在DF检验的基础上，ADF检验又做了进一步拓展，即在DF检验模型的基础上进一步添加了（），因此也被称为拓展（或称増广）的DF检验 A: [img=15x22]18034b1961902d6.png[/img]的滞后项 B: [img=30x22]18034b1969afd04.png[/img]的滞后项 C: [img=23x23]18034b1971e2a0b.png[/img] D: [img=14x22]18034b197b5661c.png[/img]
内容
- 0
自适应预期模型的一阶线性自相关问题可用[img=32x19]180364b8b5f86e0.png[/img]检验。
- 1
180364b6de09dbc.png检验不能用于下列哪些现象的检验（ ） A: 异方差的检验 B: [img=184x26]180364b6e76ee02.png[/img]形式的序列相关检验 C: 解释变量[img=15x19]180364b6efb5f50.png[/img]是随机变量 D: [img=211x28]180364b6fc24260.png[/img]的一阶线性自相关检验 E: 回归模型没有截距项
- 2
检验序列平稳性的方法有（）。 A: 散点图 B: 自相关函数检验 C: 单位根检验 D: ADF检验 E: JJ检验
- 3
识别ARMA模型的核心工具是（）。 A: 互相关函数 B: 自相关函数 C: 功率谱密度函数 D: 偏自相关函数
- 4
假设DF检验使用的模型为[img=212x23]17de7f6fc1f0dd0.png[/img]，其中[img=13x17]17de7f6fcd2e85e.png[/img]为白噪声序列。在DF检验的基础上，ADF检验又做了进一步拓展，即在DF检验模型的基础上进一步添加了（），因此也被称为拓展（或称増广）的DF检验 未知类型：{'options': ['17de7f6fd7a0400.png的滞后项', '17de7f6fe3c539e.png的滞后项', '', ''], 'type': 102}