Эти примеры показывают, как построить одномерные и многомерные данные временных рядов при помощи приложения Econometric Modeler. После графического вывода временных рядов можно взаимодействовать с графиками.
Этот пример показывает, как построить одномерные данные временных рядов, затем наложите полосы рецессии в графике. Набор данных содержит ежеквартальные цены валового внутреннего продукта (ВВП) США от 1 947 до 2005.
В командной строке загрузите набор данных Data_GDP.mat
.
load Data_GDP
Data
содержит временной ряд, и dates
содержит время выборки как последовательные числа даты.
Преобразуйте время выборки в вектор datetime
. Удалите часы, минуты и секунды от вектора datetime.
dates = datetime(dates,'ConvertFrom','datenum','Format','ddMMMyyyy',... 'Locale','en_US');
Создайте расписание, содержащее данные, и сопоставьте каждую строку с соответствующим временем выборки в dates
.
DataTable = timetable(Data,'RowTimes',dates,'VariableNames',{'GDP'});
В командной строке откройте приложение Econometric Modeler.
econometricModeler
Также откройте приложение из галереи приложений (см. Econometric Modeler).
Импортируйте DataTable
в приложение:
На вкладке Econometric Modeler, в разделе Import, нажатии кнопки.
В диалоговом окне Import Data, в столбце Import?, устанавливают флажок для переменной DataTable
.
Нажмите Import.
Переменная GDP
появляется в Data Browser, и его график временных рядов появляется в окне рисунка Time Series Plot(GDP).
Наложите полосы рецессии путем щелчка правой кнопкой по графику и окну рисунка, затем выбора Show Recessions.
Наложите сетку путем приостановки на графике и нажатии.
Фокусируйтесь на GDP от 1 970 в конец периода выборки:
Сделайте паузу на графике, затем щелкните.
Расположите перекрестие в (1970,12000), затем перетащите перекрестие к (2005,3500).
GDP кажется плоским или уменьшающимся прежде и в периоды рецессии.
Этот пример показывает, как построить несколько рядов на том же графике временных рядов, взаимодействовать с получившимся графиком и построить корреляции среди переменных. Набор данных, сохраненный в Data_Canada
, содержит ежегодную канадскую инфляцию и процентные ставки от 1 954 до 1994.
В командной строке загрузите набор данных Data_Canada.mat
.
load Data_Canada
Преобразуйте таблицу DataTable
в расписание:
Очистите имена строки DataTable
.
Преобразуйте годы выборки в вектор datetime
.
Преобразуйте таблицу в расписание путем соединения строк со временем выборки в dates
.
DataTable.Properties.RowNames = {}; dates = datetime(dates,12,31,'Format','yyyy'); DataTable = table2timetable(DataTable,'RowTimes',dates);
В командной строке откройте приложение Econometric Modeler.
econometricModeler
Также откройте приложение из галереи приложений (см. Econometric Modeler).
Импортируйте DataTable
в приложение:
На вкладке Econometric Modeler, в разделе Import, нажатии кнопки.
В диалоговом окне Import Data, в столбце Import?, устанавливают флажок для переменной DataTable
.
Нажмите Import.
Канадская процентная ставка и переменные уровня инфляции появляются в Data Browser, и график временных рядов, содержащий весь ряд, появляется в окне рисунка Time Series Plot(INF_C).
Наложите полосы рецессии путем щелчка правой кнопкой по графику и выбора Show Recessions.
Наложите сетку путем приостановки на графике и нажатии.
Удалите уровень инфляции (INF_C
и INF_G
) из графика временных рядов:
Щелкните правой кнопкой по графику.
Укажите на Show Time Series, затем ясный INF_C.
Повторите шаги 1 и 2, но очистите INF_G вместо этого.
Сгенерируйте график корреляции для всех переменных:
Выберите все переменные в Data Browser.
Кликните по вкладке Plots, затем нажмите Correlations.
График корреляций появляется в окне рисунка Correlations(INF_C).
Удалите уровень инфляции на основе GDP (INF_G
) из графика корреляций:
Щелкните правой кнопкой по графику.
Укажите на Show Time Series, затем ясный INF_G.
Все переменные, кажется, скашиваются направо. Согласно Коэффициентам корреляции пирсона (верхний левый из недиагональных графиков):
Уровень инфляции объясняет по крайней мере 70% изменчивости в процентных ставках (когда используется в качестве предиктора в линейной регрессии).
Процентные ставки высоко коррелируются; каждый объясняет по крайней мере 94% изменчивости в другом ряду.