Измените regARIMA Model Properties

Изменение свойств Используя запись через точку

Если вы создаете модель регрессии с ошибками ARIMA regARIMA, затем программное обеспечение присваивает значения всем его свойствам. Чтобы изменить любые из этих значений свойств, вы не должны восстанавливать целую модель. Можно изменить значения свойств существующей модели с помощью записи через точку. Чтобы получить доступ к свойству, введите имя модели, затем имя свойства, разделенное '|. |' (период).

Задайте модель регрессии с ARIMA (3,1,2) ошибки

$\begin{array}{rcl} y_{t} & = & c + u_{t} \\ (1 - ϕ_{1} L - ϕ_{2} L^{2} - ϕ_{3} L^{3}) {(1 - L)}^{D} u_{t} & = & (1 + θ_{1} L + θ_{2} L^{2}) ε_{t} . \end{array}$

Mdl = regARIMA(3,1,2);

Используйте обозначение массива ячеек, чтобы установить параметры авторегрессивного и скользящего среднего значения на значения.

Mdl.AR = {0.2 0.1 0.05};
Mdl.MA = {0.1 -0.05}

Mdl = 
  regARIMA with properties:

     Description: "ARIMA(3,1,2) Error Model (Gaussian Distribution)"
    Distribution: Name = "Gaussian"
       Intercept: NaN
            Beta: [1×0]
               P: 4
               D: 1
               Q: 2
              AR: {0.2 0.1 0.05} at lags [1 2 3]
             SAR: {}
              MA: {0.1 -0.05} at lags [1 2]
             SMA: {}
        Variance: NaN

Используйте запись через точку, чтобы отобразить авторегрессивные коэффициенты Mdl в Командном окне.

ARCoeff = Mdl.AR

ARCoeff=1×3 cell array
    {[0.2000]}    {[0.1000]}    {[0.0500]}

ARCoeff 1 3 массив ячеек. Каждый, последовательная ячейка содержит следующие авторегрессивные задержки.

Можно также добавить больше коэффициентов задержки.

Mdl.MA = {0.1 -0.05 0.01}

Mdl = 
  regARIMA with properties:

     Description: "ARIMA(3,1,3) Error Model (Gaussian Distribution)"
    Distribution: Name = "Gaussian"
       Intercept: NaN
            Beta: [1×0]
               P: 4
               D: 1
               Q: 3
              AR: {0.2 0.1 0.05} at lags [1 2 3]
             SAR: {}
              MA: {0.1 -0.05 0.01} at lags [1 2 3]
             SMA: {}
        Variance: NaN

По умолчанию спецификация устанавливает новый коэффициент на следующую, последовательную задержку. Сложение нового коэффициента увеличивает Q 1.

Можно задать коэффициент задержки к определенному термину задержки при помощи индексации ячейки.

Mdl.AR{12} = 0.01

Mdl = 
  regARIMA with properties:

     Description: "ARIMA(12,1,3) Error Model (Gaussian Distribution)"
    Distribution: Name = "Gaussian"
       Intercept: NaN
            Beta: [1×0]
               P: 13
               D: 1
               Q: 3
              AR: {0.2 0.1 0.05 0.01} at lags [1 2 3 12]
             SAR: {}
              MA: {0.1 -0.05 0.01} at lags [1 2 3]
             SMA: {}
        Variance: NaN

Авторегрессивный коэффициент 0.01 расположен в 12-й задержке. Свойство P увеличения к 13 с новой спецификацией.

Установите инновационное распределение на t распределение с NaN степени свободы.

Distribution = struct('Name','t','DoF',NaN);
Mdl.Distribution = Distribution

Mdl = 
  regARIMA with properties:

     Description: "ARIMA(12,1,3) Error Model (t Distribution)"
    Distribution: Name = "t", DoF = NaN
       Intercept: NaN
            Beta: [1×0]
               P: 13
               D: 1
               Q: 3
              AR: {0.2 0.1 0.05 0.01} at lags [1 2 3 12]
             SAR: {}
              MA: {0.1 -0.05 0.01} at lags [1 2 3]
             SMA: {}
        Variance: NaN

Если DoF isnan, затем estimate оценивает степени свободы. Для других задач, таких как симуляция или прогнозирование модели, необходимо задать значение для DoF.

Чтобы задать коэффициент регрессии, присвойте вектор свойству Beta.

Mdl.Beta = [1; 3; -5]

Mdl = 
  regARIMA with properties:

     Description: "Regression with ARIMA(12,1,3) Error Model (t Distribution)"
    Distribution: Name = "t", DoF = NaN
       Intercept: NaN
            Beta: [1 3 -5]
               P: 13
               D: 1
               Q: 3
              AR: {0.2 0.1 0.05 0.01} at lags [1 2 3 12]
             SAR: {}
              MA: {0.1 -0.05 0.01} at lags [1 2 3]
             SMA: {}
        Variance: NaN

Если вы передаете Mdl в estimate с данными об ответе и тремя рядами предиктора, затем программные исправления не - | NaN | параметры в их значениях и оценка InterceptДисперсия, и DoF. Например, если вы хотите симулировать данные из этой модели, затем необходимо задать Variance и DoF.

Немодифицируемые свойства

Не все свойства regARIMA модель является модифицируемой. Чтобы изменить их непосредственно, необходимо переопределить модель с помощью regARIMA. Немодифицируемые свойства включают:

P, который является составной авторегрессивной полиномиальной степенью. Программное обеспечение определяет P от p, d, _ps и s. Для получения дополнительной информации на обозначении, см. Модель Регрессии с Ошибками Временных рядов ARIMA.
Q, который является составной степенью скользящего среднего значения. Программное обеспечение определяет Q от q и _qs
DoF, который является степенями свободы для моделей, имеющих t - распределенный инновационный процесс

Хотя они не явным образом свойства, вы не можете повторно присвоить или распечатать структуру задержки с помощью ARLags, MALags, SARLags, или SMALags. Передайте их и структуру задержки в regARIMA как аргументы пары "имя-значение", когда вы задаете модель.

Например, задайте модель регрессии с ARIMA (4,1) ошибки regARIMA, где авторегрессивные коэффициенты происходят в задержках 1 и 4.

Mdl = regARIMA('ARLags',[1 4],'MALags',1)

Mdl = 
  regARIMA with properties:

     Description: "ARMA(4,1) Error Model (Gaussian Distribution)"
    Distribution: Name = "Gaussian"
       Intercept: NaN
            Beta: [1×0]
               P: 4
               Q: 1
              AR: {NaN NaN} at lags [1 4]
             SAR: {}
              MA: {NaN} at lag [1]
             SMA: {}
        Variance: NaN

Можно привести к тем же результатам путем определения модели регрессии с ARMA (1,1) ошибки, затем добавления авторегрессивного коэффициента в четвертой задержке.

Mdl = regARIMA(1,0,1);
Mdl.AR{4} = NaN

Mdl = 
  regARIMA with properties:

     Description: "ARMA(4,1) Error Model (Gaussian Distribution)"
    Distribution: Name = "Gaussian"
       Intercept: NaN
            Beta: [1×0]
               P: 4
               Q: 1
              AR: {NaN NaN} at lags [1 4]
             SAR: {}
              MA: {NaN} at lag [1]
             SMA: {}
        Variance: NaN

Изменить значение DoF, необходимо задать новую структуру для распределения и использовать запись через точку, чтобы передать его в модель. Например, задайте модель регрессии с AR (1) ошибки, имеющие t - распределенные инновации.

Mdl = regARIMA('AR',0.5,'Distribution','t')

Mdl = 
  regARIMA with properties:

     Description: "ARMA(1,0) Error Model (t Distribution)"
    Distribution: Name = "t", DoF = NaN
       Intercept: NaN
            Beta: [1×0]
               P: 1
               Q: 0
              AR: {0.5} at lag [1]
             SAR: {}
              MA: {}
             SMA: {}
        Variance: NaN

Значение DoF isnan по умолчанию.

Укажите, что распределение t имеет 10 степеней свободы.

Distribution = struct('Name','t','DoF',10);
Mdl.Distribution = Distribution

Mdl = 
  regARIMA with properties:

     Description: "ARMA(1,0) Error Model (t Distribution)"
    Distribution: Name = "t", DoF = 10
       Intercept: NaN
            Beta: [1×0]
               P: 1
               Q: 0
              AR: {0.5} at lag [1]
             SAR: {}
              MA: {}
             SMA: {}
        Variance: NaN

Связанные примеры

Больше о

Модели регрессии с ошибками временных рядов

Документация