论文部分内容阅读
AR(p)模型广泛应用于时序预测,然而传统静态模型难以处理突发事件以致模型估计偏差。鉴于突发事件对模型估计的影响,采用Gibbs抽样方法对模型进行Bayes分析,根据时序样本似然函数的统计结构构造出模型各参数的先验分布。在导出模型参数后验条件分布后给出具体抽样策略。在最小均方误差估计准则下对中小样本的模拟显示,参数估计值与真值接近。对上海港1982~2015年集装箱吞吐量数据的分析表明:借助Bayes分析,可以克服由于突发事件导致的模型估计偏差,使模型预测更加准确。