.png){kind=icon}
返回
Uncertain regression model with autoregressive moving average time series errors
.png){kind=icon}
PRE
AI
DOI：10.1080/03610926.2025.2580522.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
不确定回归（UR）模型通过建立不确定变量（UVs）之间的数学关系，使研究者能够探索数据的内在联系。然而，在实践中，UR模型中误差项的自相关性经常被忽略。本文假设误差具有自回归移动平均结构，并引入了具有自回归移动平均时间序列误差的UR模型（UR-ARMA）。在此基础上，我们采用最小二乘（LS）方法估计UR-ARMA模型的参数，并分析扰动项的残差。随后，推导出未来数据的预测值和置信区间。最后，我们将UR-ARMA模型应用于美元/人民币汇率和中国GDP数据，并将预测结果与传统UR模型的预测结果进行比较。实证结果表明，UR-ARMA模型在预测精度上优于传统UR模型，展示了其实用性和更高的有效性。
Keyword:
Uncertainty theory
UR-ARMA
uncertain regression
uncertain time series
期刊
C
IF:
0.8
论文数:
221
被引数:
0
机构
引用论文
分享收藏Uncertain panel regression analysis with application to the impact of urbanization on electricity intensity不确定性面板回归分析及其在城市化对电力强度影响中的应用
PREAI
分享收藏Least Absolute Deviation Estimation for Uncertain Vector Autoregressive Model with Imprecise Data
PREAI
分享收藏Robust Total Least Squares Estimation Method for Uncertain Linear Regression Model不确定线性回归模型的稳健总体最小二乘估计方法.png)
Mathematics
OAAI
MathematicsIF0
OAAI分享收藏
查看更多内容