Модели, созданной arima, присвоили значения всем образцовым свойствам. Чтобы изменить любые из этих значений свойств, вы не должны восстанавливать целую модель. Можно изменить значения свойств существующей модели с помощью записи через точку. Таким образом, введите имя модели, затем имя свойства, разделенное '.' (период).
Например, запустите с этой образцовой спецификации:
Mdl = arima(2,0,0)
Mdl =
arima with properties:
Description: "ARIMA(2,0,0) Model (Gaussian Distribution)"
Distribution: Name = "Gaussian"
P: 2
D: 0
Q: 0
Constant: NaN
AR: {NaN NaN} at lags [1 2]
SAR: {}
MA: {}
SMA: {}
Seasonality: 0
Beta: [1×0]
Variance: NaN
Измените модель, чтобы удалить постоянный термин:
Mdl.Constant = 0
Mdl =
arima with properties:
Description: "ARIMA(2,0,0) Model (Gaussian Distribution)"
Distribution: Name = "Gaussian"
P: 2
D: 0
Q: 0
Constant: 0
AR: {NaN NaN} at lags [1 2]
SAR: {}
MA: {}
SMA: {}
Seasonality: 0
Beta: [1×0]
Variance: NaN
Обновленный постоянный термин теперь появляется в образцовом выводе.
Следует иметь в виду, что каждое образцовое свойство имеет тип данных. Любые модификации, которые вы делаете к значению свойства, должны быть сопоставимы с типом данных свойства. Например, AR, MA, SAR и SMA являются всеми векторами ячейки. Это среднее значение необходимо индексировать их использующий синтаксис массива ячеек.
Например, запустите со следующей модели:
Mdl = arima(2,0,0)
Mdl =
arima with properties:
Description: "ARIMA(2,0,0) Model (Gaussian Distribution)"
Distribution: Name = "Gaussian"
P: 2
D: 0
Q: 0
Constant: NaN
AR: {NaN NaN} at lags [1 2]
SAR: {}
MA: {}
SMA: {}
Seasonality: 0
Beta: [1×0]
Variance: NaN
Чтобы изменить значение свойства AR, присвойте AR массив ячеек. Здесь, присвойте известные содействующие значения AR:
Mdl.AR = {0.8,-0.4}Mdl =
arima with properties:
Description: "ARIMA(2,0,0) Model (Gaussian Distribution)"
Distribution: Name = "Gaussian"
P: 2
D: 0
Q: 0
Constant: NaN
AR: {0.8 -0.4} at lags [1 2]
SAR: {}
MA: {}
SMA: {}
Seasonality: 0
Beta: [1×0]
Variance: NaN
Обновленная модель теперь имеет коэффициенты AR с заданными ограничениями равенства.
Точно так же тип данных Distribution является структурой данных. Структура данных по умолчанию имеет только одно поле, Name, со значением 'Gaussian'.
Distribution = Mdl.Distribution
Distribution = struct with fields:
Name: "Gaussian"
Чтобы изменить инновационное распределение, присвойте Distribution новое имя или структура данных. Структура данных может иметь до двух полей, Name и DoF. Второе поле соответствует степеням свободы для t распределения Студента и только требуется, если Name имеет значение 't'.
Задавать t распределение Студента с неизвестными степенями свободы, введите:
Mdl.Distribution = 't'Mdl =
arima with properties:
Description: "ARIMA(2,0,0) Model (t Distribution)"
Distribution: Name = "t", DoF = NaN
P: 2
D: 0
Q: 0
Constant: NaN
AR: {0.8 -0.4} at lags [1 2]
SAR: {}
MA: {}
SMA: {}
Seasonality: 0
Beta: [1×0]
Variance: NaN
Обновленная модель имеет t распределение Студента со степенями свободы NaN. Чтобы задать t распределение с восемью степенями свободы, скажите:
Mdl.Distribution = struct('Name','t','DoF',8)
Mdl =
arima with properties:
Description: "ARIMA(2,0,0) Model (t Distribution)"
Distribution: Name = "t", DoF = 8
P: 2
D: 0
Q: 0
Constant: NaN
AR: {0.8 -0.4} at lags [1 2]
SAR: {}
MA: {}
SMA: {}
Seasonality: 0
Beta: [1×0]
Variance: NaN
Свойство степеней свободы модели обновляется. Обратите внимание на то, что поле DoF Distribution не является непосредственно присваиваемым. Например, Mdl.Distribution.DoF = 8 не является допустимым присвоением. Однако можно получить отдельные поля:
Mdl.Distribution.DoF
ans = 8
Можно изменить Mdl, чтобы включать, например, два коэффициента и соответствие двум рядам предиктора. Поскольку Beta еще не был задан, вы не видели его в выводе. Включать его, введите:
Mdl.Beta=[0.2 4]
Mdl =
arima with properties:
Description: "ARIMAX(2,0,0) Model (t Distribution)"
Distribution: Name = "t", DoF = 8
P: 2
D: 0
Q: 0
Constant: NaN
AR: {0.8 -0.4} at lags [1 2]
SAR: {}
MA: {}
SMA: {}
Seasonality: 0
Beta: [0.2 4]
Variance: NaN
Не все образцовые свойства являются модифицируемыми. Вы не можете изменить эти свойства в существующей модели:
P. Это свойство обновляет автоматически когда любой из p (степень несезонного оператора AR), (степень сезонного оператора AR), D (степень несезонного дифференцирования), или s (степень сезонного дифференцирования) изменения.
Q. Это свойство обновляет автоматически когда любой q (степень несезонного оператора MA), или (степень сезонного оператора MA) изменения.
Не всеми аргументами пары "имя-значение", которые можно использовать для образцового создания, являются свойства созданной модели. А именно, можно задать аргументы ARLags, MALags, SARLags и SMALags во время образцового создания. Это не, однако, свойства моделей arima. Это означает, что вы не можете получить или изменить их в существующей модели.
Несезонный и сезонный AR и MA изолируют обновление автоматически, если вы добавляете какие-либо элементы в (или удалите из), содействующие массивы ячеек AR, MA, SAR или SMA.
Например, задайте модель AR (2):
Mdl = arima(2,0,0)
Mdl =
arima with properties:
Description: "ARIMA(2,0,0) Model (Gaussian Distribution)"
Distribution: Name = "Gaussian"
P: 2
D: 0
Q: 0
Constant: NaN
AR: {NaN NaN} at lags [1 2]
SAR: {}
MA: {}
SMA: {}
Seasonality: 0
Beta: [1×0]
Variance: NaN
Образцовый вывод показывает ненулевые коэффициенты AR в задержках 1 и 2.
Добавьте новый термин AR в задержке 12:
Mdl.AR{12} = NaNMdl =
arima with properties:
Description: "ARIMA(12,0,0) Model (Gaussian Distribution)"
Distribution: Name = "Gaussian"
P: 12
D: 0
Q: 0
Constant: NaN
AR: {NaN NaN NaN} at lags [1 2 12]
SAR: {}
MA: {}
SMA: {}
Seasonality: 0
Beta: [1×0]
Variance: NaN
Три ненулевых коэффициента в задержках 1, 2, и 12 теперь отображение в образцовом выводе. Однако массив ячеек, присвоенный AR, возвращает двенадцать элементов:
Mdl.AR
ans = 1x12 cell array
Columns 1 through 8
{[NaN]} {[NaN]} {[0]} {[0]} {[0]} {[0]} {[0]} {[0]}
Columns 9 through 12
{[0]} {[0]} {[0]} {[NaN]}
AR имеет нулевые коэффициенты во всех временных задержках, чтобы поддержать непротиворечивость с традиционной индексацией массива ячеек MATLAB®.