AMAR模型百科名片
ARMA 模型（Auto-Regressive and Moving Average Model）是研究时间序列的重要方法，由自回归模型（简称AR模型）与滑动平均模型（简称MA模型）为基础“混合”构成。在市场研究中常用于长期追踪资料的研究，如：Panel研究中，用于消费行为模式变迁研究；在零售研究中，用于具有季节变动特征的销售量、市场规模的预测等。


目录

ARMA模型的基本原理
模型的基本形式1.自回归模型（AR：Auto-regressive）
2.移动平均模型（MA：Moving-Average）
3.混合模型（ARMA）
ARMA模型的基本原理
模型的基本形式 1.自回归模型（AR：Auto-regressive）
2.移动平均模型（MA：Moving-Average）
3.混合模型（ARMA）
展开 编辑本段ARMA模型的基本原理
　　将预测指标随时间推移而形成的数据序列看作是一个随机序列，这组随机变量所具有的依存关系体现着原始数据在时间上的延续性。一方面，影响因素的影响，另一方面，又有自身变动规律，假定影响因素为x1，x2，…，xk，由回归分析， 　　   
其中Y是预测对象的观测值， e为误差。作为预测对象Yt受到自身变化的影响，其规律可由下式体现， 　　   
误差项在不同时期具有依存关系，由下式表示， 　　   
由此，获得ARMA模型表达式： 　　   

编辑本段模型的基本形式
　　AMAR模型分为以下三种：
1.自回归模型（AR：Auto-regressive）
　　如果时间序列yt满足 　　   
其中εt是独立同分布的随机变量序列，且满足： 　　   
以及 E(εt) = 0 　　则称时间序列为yt服从p阶的自回归模型。 　　自回归模型的平稳条件： 　　滞后算子多项式 　　   
的根均在单位圆外，即φ(B) = 0的根大于1。
2.移动平均模型（MA：Moving-Average）
　　如果时间序列yt满足 　　   
，则称时间序列为yt服从p阶移动平均模型； 　　移动平均模型平稳条件：任何条件下都平稳。
3.混合模型（ARMA）
　　如果时间序列yt满足： 　　   
则称时间序列为yt服从(p,q)阶自回归滑动平均混合模型。或者记为φ(B)yt = θ(B)εt

楼主百度下  或者看计量经济学板块

个人水平有限 看不懂教材上的内容 就是想问一下假如知道若干个数据 怎样把预测值算出来？？