Эти примеры показывают, как создать модели регрессии с ошибками AR regARIMA
. Для получения дополнительной информации при определении моделей регрессии с ошибками AR приложение Econometric Modeler, смотрите, Задают Модель Регрессии с Ошибками ARMA Приложение Econometric Modeler.
В этом примере показано, как применить краткий regARIMA(p,D,q)
синтаксис, чтобы задать модель регрессии с ошибками AR.
Задайте модель регрессии по умолчанию с AR (3) ошибки:
Mdl = regARIMA(3,0,0)
Mdl = regARIMA with properties: Description: "ARMA(3,0) Error Model (Gaussian Distribution)" Distribution: Name = "Gaussian" Intercept: NaN Beta: [1×0] P: 3 Q: 0 AR: {NaN NaN NaN} at lags [1 2 3] SAR: {} MA: {} SMA: {} Variance: NaN
Программное обеспечение устанавливает инновационное распределение на Gaussian
, и каждый параметр к NaN
. Коэффициенты AR в задержках 1 - 3.
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
оценки Beta
. estimate
функция выводит количество коэффициентов регрессии в Beta
от количества столбцов в .
Задачи, такие как симуляция и предсказывающий использование simulate
и forecast
не принимайте модели по крайней мере с одним NaN
для значения параметров. Используйте запись через точку, чтобы изменить значения параметров.
В этом примере показано, как задать модель регрессии с ошибками AR без прерывания регрессии.
Задайте модель регрессии по умолчанию с AR (3) ошибки:
Mdl = regARIMA('ARLags',1:3,'Intercept',0)
Mdl = regARIMA with properties: Description: "ARMA(3,0) Error Model (Gaussian Distribution)" Distribution: Name = "Gaussian" Intercept: 0 Beta: [1×0] P: 3 Q: 0 AR: {NaN NaN NaN} at lags [1 2 3] SAR: {} MA: {} SMA: {} Variance: NaN
Программное обеспечение устанавливает Intercept
к 0, но все другие допускающие оценку параметры в Mdl
NaN
значения по умолчанию.
Начиная с Intercept
не NaN
, это - ограничение равенства во время оценки. Другими словами, если вы передаете Mdl
и данные в estimate
, затем estimate
наборы Intercept
к 0 во время оценки.
Можно изменить свойства Mdl
использование записи через точку.
В этом примере показано, как задать модель регрессии с ошибками AR, где ненулевые условия AR в непоследовательных задержках.
Задайте модель регрессии с AR (4) ошибки:
Mdl = regARIMA('ARLags',[1,4])
Mdl = regARIMA with properties: Description: "ARMA(4,0) Error Model (Gaussian Distribution)" Distribution: Name = "Gaussian" Intercept: NaN Beta: [1×0] P: 4 Q: 0 AR: {NaN NaN} at lags [1 4] SAR: {} MA: {} SMA: {} Variance: NaN
Коэффициенты AR в задержках 1 и 4.
Проверьте, что коэффициенты AR в задержках 2 и 3 0.
Mdl.AR
ans=1×4 cell
{[NaN]} {[0]} {[0]} {[NaN]}
Программное обеспечение отображает массив ячеек 1 на 4. Каждая последовательная ячейка содержит соответствующее содействующее значение AR.
Передайте Mdl
и данные в estimate
. Программное обеспечение оценивает все параметры, которые имеют значение NaN
. Затем estimate
содержит = 0 и = 0 во время оценки.
В этом примере показано, как задать значения для всех параметров модели регрессии с ошибками AR.
Задайте модель регрессии с AR (4) ошибки:
где является Гауссовым с модульным отклонением.
Mdl = regARIMA('AR',{0.2,0.1},'ARLags',[1,4], ... 'Intercept',0,'Beta',[-2;0.5],'Variance',1)
Mdl = regARIMA with properties: Description: "Regression with ARMA(4,0) Error Model (Gaussian Distribution)" Distribution: Name = "Gaussian" Intercept: 0 Beta: [-2 0.5] P: 4 Q: 0 AR: {0.2 0.1} at lags [1 4] SAR: {} MA: {} SMA: {} Variance: 1
Нет никакого NaN
значения в любом Mdl
свойства, и поэтому нет никакой потребности оценить Mdl
использование estimate
. Однако можно симулировать или предсказать ответы от Mdl
использование simulate
или forecast
.
В этом примере показано, как установить инновационное распределение модели регрессии с ошибками AR к a распределение.
Задайте модель регрессии с AR (4) ошибки:
где имеет a распределение со степенями свободы по умолчанию и модульным отклонением.
Mdl = regARIMA('AR',{0.2,0.1},'ARLags',[1,4],... 'Intercept',0,'Beta',[-2;0.5],'Variance',1,... 'Distribution','t')
Mdl = regARIMA with properties: Description: "Regression with ARMA(4,0) Error Model (t Distribution)" Distribution: Name = "t", DoF = NaN Intercept: 0 Beta: [-2 0.5] P: 4 Q: 0 AR: {0.2 0.1} at lags [1 4] SAR: {} MA: {} SMA: {} Variance: 1
Степенями свободы по умолчанию является NaN
. Если вы не знаете степеней свободы, то можно оценить его путем передачи Mdl
и данные к estimate
.
Задайте a распределение.
Mdl.Distribution = struct('Name','t','DoF',10)
Mdl = regARIMA with properties: Description: "Regression with ARMA(4,0) Error Model (t Distribution)" Distribution: Name = "t", DoF = 10 Intercept: 0 Beta: [-2 0.5] P: 4 Q: 0 AR: {0.2 0.1} at lags [1 4] SAR: {} MA: {} SMA: {} Variance: 1
Можно симулировать или предсказать ответы с помощью simulate
или forecast
потому что Mdl
полностью задан.
В приложениях, таких как симуляция, программное обеспечение нормирует случайное инновации. Другими словами, Variance
заменяет теоретическое отклонение случайная переменная (который является DoF
/ (DoF
- 2)), но консервы эксцесс распределения.