以ARMA(p,q)模型为例说明：

１．确定最大可能阶数(一般不宜过大，如：p<=10,q<=10,其原因后面专门说明)

２．对于每一个可能的阶数组合（ｐ＝ｉ，ｑ＝ｊ），确定了一个ＡＲＭＡ模型，算ＡＩＣ或ＳＢＣ

３．按２步重复１０＊１０＝１００个ＡＩＣ或ＳＢＣ值，选择其中最优者（值最小者，或者最大者，依赖于公式的不同表达，自己查书，本想输入找不到输入公式的方法），

其对应模型阶数为最佳阶数。

至于如何选择最大模型阶数，有几种认识角度：

１．最简单者莫过去刚才所做，就是按经验定，不宜过大（如１０），因为模型并非阶数越大越好，虽然阶数越大拟合效果越好，甚至当

阶数足够大时，可以把非线性时间序列拟合成线性的（见范剑青《非参数。。。》第一章最后一阶），但是其预测效果以及参数估计精度

一般会大打折扣，这也是ＡＩＣ或者ＢＳＣ的基本思想－－－对模型的复杂度进行惩罚；

２．稍微复杂一点的可以做一个系数的ｔ检验，如果发现某一阶后系数都显著为０，则认定最后一个非零系数位置即为最大阶数。该法从理论上说，有以下假设或者限制：ａ。系数检验的前提是要先按某一阶数拟合（呵呵，就是说还没确定最大阶数之前就已经有一个预期不可超越之阶数也！）；ｂ．某一系数之后为零，未必严格就说我们的结论成立也；ｃ．有可能我们的这种做法限于无解的死循环中

一个字：烦

３．最后一个原因稍微理论一点，如果你认定你的模型是平稳过程（如：ＡＲＭＡ模型），那么其相依性递减速度是很快的（对于ＡＲＭＡ模型可以计算其衰减速度是指数阶的），因而可以认定阶数跑不出太远的（稍一远，就会跟＂零＂亲嘴啦）

[此贴子已经被作者于2008-12-12 10:40:52编辑过]