ARFIMA模型拟合优度检验工具：matlab开发版本

资源摘要信息:"ARFIMA(p,d,q)模型是由自回归分数差分移动平均（Autoregressive Fractionally Integrated Moving Average）模型发展而来的，它是传统ARIMA模型的扩展，能够处理时间序列中的长记忆性。ARFIMA模型通过引入分数差分参数d，可以更好地描述非平稳时间序列数据中的长程相关性。模型中的p、d、q分别代表自回归项、分数差分项和移动平均项的阶数。 在本资源中，Jan Beran 提供了一种用于拟合优度检验的方法，该方法是基于Ljung-Box统计量的谱域等价物，旨在验证ARFIMA模型对特定时间序列数据的拟合效果是否理想。这种检验方法可以用于模型验证，也可以在不同ARFIMA模型之间进行比较，例如比较ARFIMA(1,d,0)与ARFIMA(5,0,0)模型的优劣。Ljung-Box检验是一种检验时间序列数据残差是否为白噪声的统计方法，如果残差序列是白噪声，则表明模型已经捕捉到了时间序列中的所有相关信息，模型拟合效果良好。 此外，资源中还包含了对估计器主文件的更新，这表明作者可能对原有模型或算法进行了改进，以提高模型的准确性和效率。单位根检验通常用于检验时间序列数据的平稳性，如果时间序列是非平稳的，则需要对其进行差分处理。作者在资源中也提供了一些小的修改，这意味着在实际应用中可以更灵活地处理不同的数据集。 本资源的开发依赖于Matlab软件环境，Matlab是一个强大的数值计算和可视化工具，广泛应用于工程计算、控制设计、信号处理和通讯等领域的研究与开发。因此，使用本资源的前提是拥有Matlab以及相应的统计工具箱。 综上所述，本资源提供了一套完整的ARFIMA模型拟合优度检验方法，包括了模型验证、模型比较和估计器更新等功能。它能够帮助研究人员和数据分析师评估和选择最适合的时间序列模型，并通过更新的估计器和单位根测试来优化分析流程。对于需要进行时间序列分析的专业人士，本资源是一个宝贵的工具。" 关键词：ARFIMA模型、拟合优度检验、Ljung-Box统计量、谱域等价物、模型验证、模型选择、统计工具箱、Matlab、单位根测试。