Для условной средней оценки модели, estimate
требует arima
модель и вектор одномерных данных временных рядов. Модель задает параметрическую форму условной средней модели что estimate
оценки. estimate
возвращает адаптированные значения для любых параметров во входной модели с NaN
значения. Если вы передаете T×r
внешняя ковариационная матрица в X
аргумент, затем estimate
возвращает r
оценки регрессии. Если вы задаете non-NaN
значения для любых параметров, estimate
представления эти значения как ограничения равенства и соблюдают их во время оценки.
Например, предположите, что вы оцениваете модель без постоянного термина. Задайте 'Constant',0
в модели вы передаете в estimate
. estimate
представления этот non-NaN
значение как ограничение равенства, и не оценивает постоянный термин. estimate
также почести все заданные ограничения равенства при оценке параметров без ограничений равенства. Можно установить подмножество коэффициентов регрессии к константе и оценить остальных. Например, предположите, что ваша модель называется model
. Если ваша модель имеет три внешних коварианта, и вы хотите оценить два из них и установить другой на один к 5, затем задать model.Beta = [NaN 5 NaN]
.
estimate
опционально возвращает ковариационную матрицу отклонения для предполагаемых параметров. Порядок параметра в этой матрице:
Постоянный
Ненулевые коэффициенты AR в положительных задержках (AR
)
Ненулевые сезонные коэффициенты AR в положительных задержках (SAR
)
Ненулевые коэффициенты MA в положительных задержках (MA
)
Ненулевые сезонные коэффициенты MA в положительных задержках (SMA
)
Коэффициенты регрессии (когда вы задаете X
)
Параметры отклонения (скаляр для моделей постоянного отклонения, вектора дополнительных параметров в противном случае)
Степени свободы (только инновационное распределение t)
Если какой-либо параметр, известный оптимизатору, имеет ограничение равенства, то соответствующая строка и столбец ковариационной матрицы отклонения имеет все нули.