下载掌阅APP，畅读海量书库
立即打开
双线性模型是把自回归和移动平均项以某种方式结合在一起的模型，在这种模型中，关于变量是非线性的，而关于参数是线性的。一个带有移动平均项的模型已经引起了很多关注，这就是双线性模型，其表达式为
其中，{ε t }～iid（0,σ 2 ）。这个模型的性质已经被广泛地研究。由于移动平均项，模型的可逆性是一个问题。只有在少数特殊情形下，才能推导出式（3-30）分析可逆性的条件。而大部分情况下，非正式检验这一模型可逆的唯一方法为第1.4节所描述的数值方法。Granger和Andersen（1978a）以及Subba Rao和Gabr（1984）给出了处理双线性模型的详细方法，包括估计和可逆性条件，也可参阅Priestley（1988，第4.1节）的相关讨论。至于参数估计，条件最大似然或者最小二乘估计的精度取决于参数有多接近于不可逆区域。具有合适系数的双线性模型生成实现序列，该序列可以显示偶尔偏离它们的观测或者短期序列。实际上，这样的观测值很难与离群值区分开来。
有一些双线性模型是在随机过程为白噪声但可预测情况下的例子。考虑式（3-30）下的特殊形式，其表达式为
y t =γ 21 y t-2 ε t-1 +ε t
因为{ε
t
}～iid（0,σ
2
），所以，它满足Ey
t
=0, Ey
t
y
t-j
=0,j≠0。然而，
,
，所以，y
t
可预测。有关带有白噪声的可预测模型的例子，可参见Granger（1981a）。
双线性模型在经济运用中还不是很成功，其中可能值得一提的是由Maravall（1983）提出的，他把双线性模型用于拟合西班牙十天货币发行量的时间序列，相对于线性ARMA模型有些差异，然后，他也报告出双线性模型在提高预测水平方面的表现。Maravall给的解释是双线性模型消除了序列中的一对离群值，从而提高了拟合水平。然而，无论如何，相对于线性模型，该模型在预测方面并没有任何的额外贡献。