Приложение Econometric Modeler позволяет вам преобразовать данные временных рядов на основе детерминированных или стохастических трендов, которые вы видите в графиках или тестовых заключениях гипотезы. Доступные преобразования в приложении являются журналом, сезонное и несезонное различие, и линейный детрендируют. Эти примеры показывают, как применить каждое преобразование к данным временных рядов.
Этот пример показывает, как стабилизировать временные ряды, изменчивость которых растет с уровнем ряда путем применения логарифмического преобразования. Набор данных, который хранится в mlr/examples/econ/Data_Airline.mat
, содержит ежемесячные количества авиапассажиров. Папка mlr
является значением matlabroot
.
В командной строке загрузите набор данных Data_Airline.mat
.
load(fullfile(matlabroot,'examples','econ','Data_Airline.mat'))
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 PSSG
появляется в Data Browser, и его график временных рядов находится в окне рисунка Time Series Plot(PSSG).
Соответствуйте SARIMA (0,1,1) × (0,1,1) 12 моделей к данным на уровнях:
На вкладке Econometric Modeler, в разделе Models, кликают по стрелке, чтобы отобразить образцовую галерею.
В галерее моделей, в разделе ARMA/ARIMA Models, нажимают SARIMA.
В диалоговом окне SARIMA Model Parameters, на вкладке Lag Order:
Раздел Nonseasonal
Установите Degrees of Integration на 1
.
Установите Moving Average Order на 1
.
Снимите флажок Include Constant Term.
Раздел Seasonal
Установите Period на 12
указывать на ежемесячные данные.
Установите Moving Average Order на 1
.
Установите флажок Include Seasonal Difference.
Нажмите Estimate.
Образцовая переменная SARIMA_PSSG
появляется в разделе Models Data Browser, и его сводные данные оценки появляются в документе Model Summary(SARIMA_PSSG).
Распространение невязок увеличивается с уровнем данных, которые показательны из heteroscedasticity.
Применяйте логарифмическое преобразование к PSSG
:
В Data Browser выберите PSSG
.
На вкладке Econometric Modeler, в разделе Transforms, нажимают Log.
Преобразованная переменная PSSGLog
появляется в Data Browser, и его график временных рядов появляется в окне рисунка Time Series Plot(PSSGLog).
Экспоненциальный рост кажется удаленным из ряда.
С PSSGLog
, выбранным в Data Browser, соответствуйте SARIMA (0,1,1) × (0,1,1) 12 моделей к регистрируемому ряду с помощью тех же настроек диалогового окна, которые вы использовали для PSSG
. Сводные данные оценки появляются в документе Model Summary(SARIMA_PSSGLog).
Распространение невязок, кажется, систематически не изменяется с уровнями данных.
Этот пример показывает, как стабилизировать временные ряды путем применения нескольких несезонных операций различия. Набор данных, который хранится в Data_USEconModel.mat
, содержит валовой внутренний продукт (ВВП) США, измеренный ежеквартально среди другого ряда.
В командной строке загрузите набор данных Data_USEconModel.mat
.
load Data_USEconModel
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.
Переменные, включая GDP
, появляются в Data Browser, и график временных рядов всего ряда появляется в окне рисунка Time Series Plot(COE).
В Data Browser дважды кликните GDP
. График временных рядов GDP
появляется в окне рисунка Time Series Plot(GDP).
Ряд, кажется, растет без связанного.
Примените первое различие для GDP
. На вкладке Econometric Modeler, в разделе Transforms, нажимают Difference.
В Data Browser появляется переменная, представляющая differenced GDP (GDPDiff
). График временных рядов differenced GDP появляется в окне рисунка Time Series Plot(GDPDiff).
differenced серия GDP, кажется, растет без связанного после 1970.
Примените второе различие для GDP дифференцированием differenced GDP. С GDPDiff
, выбранным в Data Browser, на вкладке Econometric Modeler, в разделе Transforms, нажимают Difference.
В Data Browser появляется переменная, представляющая преобразованный differenced GDP (GDPDiffDiff
). График временных рядов differenced GDP появляется в окне рисунка Time Series Plot(GDPDiffDiff).
Преобразованная differenced серия GDP кажется стационарной, несмотря на то, что heteroscedastic.
Этот пример показывает, как преобразовать несколько серий цен к возвратам. Набор данных, который хранится в Data_USEconModel.mat
, содержит GDP США и частные потребительские расходы, измеренные ежеквартально среди другого ряда.
В командной строке загрузите набор данных Data_USEconModel.mat
.
load Data_USEconModel
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.
GDP
и PCEC
, среди другого ряда, появляются в Data Browser, и график временных рядов, содержащий весь ряд, появляется в окне рисунка.
В Data Browser нажмите GDP
, затем нажмите Ctrl и нажмите PCEC
. Выбраны оба ряда.
Кликните по вкладке Plots, затем нажмите Time Series. График временных рядов GDP
и PCEC
появляется в окне рисунка Time Series Plot(GDP).
Оба ряда, как цены, кажется, растут без связанного.
Преобразуйте GDP и цены частных потребительских расходов к возвратам:
Кликните по вкладке Econometric Modeler. Гарантируйте, что GDP
и PCEC
выбраны в Data Browser.
В разделе Transforms нажмите Log.
Data Browser отображает переменные, представляющие регистрируемую серию GDP (GDPLog
) и регистрируемый ряд частных потребительских расходов (PCECLog
).
С GDPLog
и PCECLog
, выбранным в Data Browser, в разделе Transforms, нажимают Difference.
Переменные отображений Data Browser, представляющие GDP, возвращаются (GDPLogDiff
), и частные потребительские расходы возвращаются (PCECLogDiff
). График временных рядов GDP и частных потребительских расходов возвращается, появляется в окне рисунка Time Series Plot(GDPLogDiff).
Переименуйте переменные GDPLogDiff
и PCECLogDiff
к GDPReturns
и PCECReturns
:
В Data Browser нажмите GDPLogDiff
, чтобы выбрать его и отменить выбор PCECLogDiff
.
В Data Browser щелкните правой кнопкой по GDPLogDiff
.
В контекстном меню выберите Rename.
Введите GDPReturns
.
Повторите шаги 2 - 4, чтобы переименовать PCECLogDiff
к PCECReturns
.
Обновления приложения имена всех документов, сопоставленных с оба, возвращаются.
Серия GDP и частных потребительских расходов возвращается, кажутся стационарными, но наблюдения в каждом ряду кажутся последовательно коррелируемыми.
Этот пример показывает, как стабилизировать временные ряды, показывающие сезонное интегрирование путем применения сезонного различия. Набор данных, который хранится в mlr/examples/econ/Data_Airline.mat
, содержит ежемесячные количества авиапассажиров. Папка mlr
является значением matlabroot
.
В командной строке загрузите набор данных Data_Airline.mat
.
load(fullfile(matlabroot,'examples','econ','Data_Airline.mat'))
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 PSSG
появляется в Data Browser, и его график временных рядов появляется в окне рисунка Time Series Plot(PSSG).
Обратитесь к сезонному тренду путем применения 12-го порядка сезонное различие. На вкладке Econometric Modeler, в разделе Transforms, устанавливает Seasonal на 12
. Затем нажмите Seasonal.
Преобразованная переменная PSSGSeasonalDiff
появляется в Data Browser, и его график временных рядов появляется в окне рисунка Time Series Plot(PSSGSeasonalDiff).
Преобразованный ряд, кажется, имеет несезонный тренд.
Обратитесь к несезонному тренду путем применения первого различия. С PSSGSeasonalDiff
, выбранным в Data Browser, на вкладке Econometric Modeler, в разделе Transforms, нажимают Difference.
Преобразованная переменная PSSGSeasonalDiffDiff
появляется в Data Browser, и его график временных рядов появляется в окне рисунка Time Series Plot(PSSGSeasonalDiffDiff).
Преобразованный ряд кажется стационарным, но наблюдения кажутся последовательно коррелируемыми.
Переименуйте переменную PSSGSeasonalDiffDiff
к PSSGStable
:
В Data Browser щелкните правой кнопкой по PSSGSeasonalDiffDiff
.
В контекстном меню выберите Rename.
Введите PSSGStable
.
Обновления приложения имена всех документов сопоставлены с преобразованным рядом.
Этот пример показывает, как удалить выведенный наименьшими квадратами детерминированный тренд из неустановившихся временных рядов. Набор данных, который хранится в mlr/examples/econ/Data_Airline.mat
, содержит ежемесячные количества авиапассажиров. Папка mlr
является значением matlabroot
.
В командной строке загрузите набор данных Data_Airline.mat
.
load(fullfile(matlabroot,'examples','econ','Data_Airline.mat'))
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 PSSG
появляется в Data Browser, и его график временных рядов появляется в окне рисунка Time Series Plot(PSSG).
Примените логарифмическое преобразование к ряду. На вкладке Econometric Modeler, в разделе Transforms, нажимают Log.
Преобразованная переменная PSSGLog
появляется в Data Browser, и его график временных рядов появляется в окне рисунка Time Series Plot(PSSGLog).
Идентифицируйте детерминированный тренд при помощи наименьших квадратов. Затем детрендируйте ряд путем удаления идентифицированного детерминированного тренда. На вкладке Econometric Modeler, в разделе Transforms, нажимают Detrend.
Преобразованная переменная PSSGLogDetrend
появляется в Data Browser, и его график временных рядов появляется в окне рисунка Time Series Plot(PSSGLogDetrend).
PSSGLogDetrend
, кажется, не имеет детерминированный тренд, несмотря на то, что он имеет отмеченный циклический тренд.