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.
В этом примере показано, как применить краткий regARIMA(p,D,q)
синтаксис, 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
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 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
к 0, но все другие 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 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=12×1 cell
{[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.
В этом примере показано, 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 содержите NaN
значения, 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 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 данные 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 симулировать и предсказать ответы от путем передачи Mdl
к 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 консервы эксцесс распределения.