Несферические модели

Модель или правильные эффекты heteroscedasticity и корреляции

Классы

arimaСоздайте ARIMA или модель временных рядов ARIMAX
regARIMAСоздайте модель регрессии с ошибками временных рядов ARIMA

Функции

autocorrДемонстрационная автокорреляция
lbqtestQ-тест Ljung-поля для остаточной автокорреляции
parcorrДемонстрационная частичная автокорреляция
archtestТест Энгла для невязки heteroscedasticity
hacHeteroscedasticity и автокорреляция сопоставимые средства оценки ковариации
fglsВыполнимые обобщенные наименьшие квадраты

Примеры и руководства

Обнаружьте эффекты ДУГИ Используя приложение Econometric Modeler

В интерактивном режиме оцените, имеет ли ряд энергозависимость, кластеризирующуюся путем осмотра коррелограмм квадратов остатков и путем тестирования на значительные задержки ДУГИ.

Обнаружьте эффекты ДУГИ

Протестируйте на автокорреляцию в квадратах остатков или проведите тест ДУГИ Энгла.

Обнаружьте автокорреляцию

Оцените ACF и PACF, или проведите Q-тест Ljung-поля.

Регрессия временных рядов X: обобщенные наименьшие квадраты и средства оценки HAC

Этот пример показывает, как оценить несколько моделей линейной регрессии данных временных рядов в присутствии heteroscedastic или автокоррелировал (несферические) инновации.

Постройте полосу уверенности Используя оценки HAC

Постройте исправленные полосы уверенности, использующие Newey-западные устойчивые стандартные погрешности.

Измените пропускную способность средства оценки HAC

Измените пропускную способность при оценке содействующей ковариации HAC и сравните оценки по переменной пропускной способности и ядрам.

Альтернативные представления модели ARIMA

Преобразуйте между ARMAX и моделями регрессии с ошибками ARMA.

Задайте условные модели среднего значения и отклонения

Создайте составное условное среднее значение и модель отклонения.

Концепции

Выберите Regression Model with ARIMA Errors

Узнать, как выбрать соответствующую модель регрессии с ошибками ARIMA.

Несферические модели

Узнайте об инновациях, что показывают автокорреляцию и heteroscedasticity.