Эти примеры показывают, как создать модели регрессии с ошибками MA regARIMA. Для получения дополнительной информации при определении моделей регрессии с ошибками MA приложение Econometric Modeler, смотрите, Задают Модель Регрессии с Ошибками ARMA Приложение Econometric Modeler.
Этот пример показывает, как применить краткий синтаксис regARIMA(p,D,q), чтобы задать модель регрессии с ошибками MA.
Задайте модель регрессии по умолчанию с MA (2) ошибки:
Mdl = regARIMA(0,0,2)
Mdl =
regARIMA with properties:
Description: "ARMA(0,2) Error Model (Gaussian Distribution)"
Distribution: Name = "Gaussian"
Intercept: NaN
Beta: [1×0]
P: 0
Q: 2
AR: {}
SAR: {}
MA: {NaN NaN} at lags [1 2]
SMA: {}
Variance: NaN
Программное обеспечение устанавливает каждый параметр на NaN и инновационное распределение к Gaussian. Коэффициенты MA в задержках 1 и 2.
Передайте Mdl в estimate с данными, чтобы оценить набор параметров к NaN. Хотя Beta не находится в отображении, если вы передаете матрицу предикторов () в estimate затем estimate оценивает Beta. Функция estimate выводит количество коэффициентов регрессии в Beta от количества столбцов в .
Задачи, такие как симуляция и предсказывающий использование simulate и forecast не принимают модели по крайней мере с одним NaN для значения параметров. Используйте запись через точку, чтобы изменить значения параметров.
Этот пример показывает, как задать модель регрессии с ошибками MA без прерывания регрессии.
Задайте модель регрессии по умолчанию с MA (2) ошибки:
Mdl = regARIMA('MALags',1:2,'Intercept',0)
Mdl =
regARIMA with properties:
Description: "ARMA(0,2) Error Model (Gaussian Distribution)"
Distribution: Name = "Gaussian"
Intercept: 0
Beta: [1×0]
P: 0
Q: 2
AR: {}
SAR: {}
MA: {NaN NaN} at lags [1 2]
SMA: {}
Variance: NaN
Программное обеспечение устанавливает Intercept на 0, но все другие параметры в Mdl являются значениями NaN по умолчанию.
Поскольку Intercept не является NaN, это - ограничение равенства во время оценки. Другими словами, если вы передаете Mdl и данные в estimate, затем estimate устанавливает Intercept на 0 во время оценки.
Можно изменить свойства Mdl с помощью записи через точку.
Этот пример показывает, как задать модель регрессии с ошибками MA, где ненулевые условия MA в непоследовательных задержках.
Задайте модель регрессии с MA (12) ошибки:
Mdl = regARIMA('MALags',[1, 12])Mdl =
regARIMA with properties:
Description: "ARMA(0,12) Error Model (Gaussian Distribution)"
Distribution: Name = "Gaussian"
Intercept: NaN
Beta: [1×0]
P: 0
Q: 12
AR: {}
SAR: {}
MA: {NaN NaN} at lags [1 12]
SMA: {}
Variance: NaN
Коэффициенты MA в задержках 1 и 12.
Проверьте, что коэффициенты MA в задержках 2 - 11 0.
Mdl.MA'
ans = 12x1 cell array
{[NaN]}
{[ 0]}
{[ 0]}
{[ 0]}
{[ 0]}
{[ 0]}
{[ 0]}
{[ 0]}
{[ 0]}
{[ 0]}
{[ 0]}
{[NaN]}
После применения транспонирования программное обеспечение отображает 12 1 массив ячеек. Каждая последовательная ячейка содержит соответствующее содействующее значение MA.
Передайте Mdl и данные в estimate. Программное обеспечение оценивает все параметры, которые имеют значение NaN. Затем estimate содержит = =...= = 0 во время оценки.
Этот пример показывает, как задать значения для всех параметров модели регрессии с ошибками MA.
Задайте модель регрессии с MA (2) ошибки:
где является Гауссовым с модульным отклонением.
Mdl = regARIMA('Intercept',0,'Beta',[0.5; -3; 1.2],... 'MA',{0.5, -0.1},'Variance',1)
Mdl =
regARIMA with properties:
Description: "Regression with ARMA(0,2) Error Model (Gaussian Distribution)"
Distribution: Name = "Gaussian"
Intercept: 0
Beta: [0.5 -3 1.2]
P: 0
Q: 2
AR: {}
SAR: {}
MA: {0.5 -0.1} at lags [1 2]
SMA: {}
Variance: 1
Параметры в Mdl не содержат значения NaN, и поэтому нет никакой потребности оценить Mdl с помощью estimate. Однако можно моделировать или предсказать ответы от Mdl с помощью simulate или forecast.
Этот пример показывает, как установить инновационное распределение модели регрессии с ошибками MA к t распределению.
Задайте модель регрессии с MA (2) ошибки:
где имеет t распределение со степенями свободы по умолчанию и модульным отклонением.
Mdl = regARIMA('Intercept',0,'Beta',[0.5; -3; 1.2],... 'MA',{0.5, -0.1},'Variance',1,'Distribution','t')
Mdl =
regARIMA with properties:
Description: "Regression with ARMA(0,2) Error Model (t Distribution)"
Distribution: Name = "t", DoF = NaN
Intercept: 0
Beta: [0.5 -3 1.2]
P: 0
Q: 2
AR: {}
SAR: {}
MA: {0.5 -0.1} at lags [1 2]
SMA: {}
Variance: 1
Степенями свободы по умолчанию является NaN. Если вы не знаете степеней свободы, то можно оценить его путем передачи Mdl и данных к estimate.
Задайте a распределение.
Mdl.Distribution = struct('Name','t','DoF',15)
Mdl =
regARIMA with properties:
Description: "Regression with ARMA(0,2) Error Model (t Distribution)"
Distribution: Name = "t", DoF = 15
Intercept: 0
Beta: [0.5 -3 1.2]
P: 0
Q: 2
AR: {}
SAR: {}
MA: {0.5 -0.1} at lags [1 2]
SMA: {}
Variance: 1
Можно моделировать и предсказать ответы от путем передачи Mdl simulate или forecast, потому что Mdl полностью задан.
В приложениях, таких как симуляция, программное обеспечение нормирует случайные t инновации. Другими словами, Variance заменяет теоретическое отклонение t случайной переменной (который является DoF / (DoF - 2)), но сохраняет эксцесс распределения.