摘要：
滞后变量模型（Lagged Variable Models）是一种时间序列分析方法，主要通过引入自变量和因变量的滞后项来解释当前变量的行为。该模型在经济学、金融学中广泛应用，尤其在预测和政策评估时。滞后变量反映了过去事件对当前变量的持续影响，揭示变量间的动态关系。它包括自回归模型、分布滞后模型及自回 阅读全文
摘要：
时间序列分析（ARIMA）模型是一种广泛用于预测和分析随时间变化的数据模型。ARIMA模型由自回归（AutoRegressive，AR）、差分（Integrated，I）和移动平均（Moving Average，MA）三部分构成。它通过对过去数据的自回归和移动平均来预测未来数据点，广泛应用于经济学、 阅读全文
摘要：
序列相关性（Serial Correlation）是指在时间序列或截面数据的回归模型中，误差项之间存在相关性。这种现象意味着当前误差项的值会受到前期误差项的影响，误差项之间并不是独立的。这与经典线性回归模型假设的误差项是独立同分布的（i.i.d.）违背了高斯-马尔可夫定理（Gauss-Markov 阅读全文