Regression modelEconometrics / time series

贝叶斯季节性自回归积分滑动平均模型

贝叶斯季节性自回归积分滑动平均（SARIMA）模型将经典的Box-Jenkins季节性ARIMA框架与贝叶斯推断相结合，用于处理季节性时间序列数据。它不产生单一的点估计，而是产生模型参数的完整后验分布，将参数不确定性直接传播到预测中，并能够原则性地纳入先验知识。

用 EconMind 应用即将推出视频即将推出Download slides

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

Method map

The neighbourhood of related methods — select a node to explore.

贝叶斯季节性自回归积分滑动平均模型

自回归积分滑动平均模型 (ARIMA)贝叶斯向量自回归模型 (BVAR)SARIMA模型状态空间模型（卡尔曼滤波器）贝叶斯 ARIMA 模型

来源

Box, G. E. P., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2015). Time Series Analysis: Forecasting and Control (5th ed.). Wiley. ISBN: 978-1118675021
Geweke, J., & Whiteman, C. (2006). Bayesian forecasting. In G. Elliott, C. W. J. Granger, & A. Timmermann (Eds.), Handbook of Economic Forecasting (Vol. 1, pp. 3–80). Elsevier. link ↗

如何引用本页

ScholarGate. (2026, June 3). Bayesian Seasonal Autoregressive Integrated Moving Average Model. ScholarGate. https://scholargate.app/zh/econometrics/bayesian-sarima-model

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side →

被引用于

贝叶斯 ARIMA 模型

发现本页有问题？报告或提出修改建议 →