Отфильтруйте воздействия с помощью модели ARIMA или ARIMAX
[Y,E,V]
= filter(Mdl,Z)
[Y,E,V]
= filter(Mdl,Z,Name,Value)
[
воздействия фильтров, Y
,E
,V
]
= filter(Mdl
,Z
)Z
, произвести ответы, инновации и условные отклонения одномерного ARIMA (p, D, q) модель.
[
воздействия фильтров с помощью дополнительных опций заданы одним или несколькими Y
,E
,V
]
= filter(Mdl
,Z
,Name,Value
)Name,Value
парные аргументы.
|
Модель ARIMA, как создано |
|
Как вектор-столбец, Примечание
|
Задайте дополнительные разделенные запятой пары Name,Value
аргументы. Name
имя аргумента и Value
соответствующее значение. Name
должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN
.
|
Положительные преддемонстрационные условные отклонения, которые вводят начальные значения для модели. Если
Значение по умолчанию: |
|
Матрица данных о предикторе, соответствующих компоненту регрессии в условной средней модели. Столбцы Значение по умолчанию: |
|
Преддемонстрационные данные об ответе, вводя начальные значения для модели. Если
Значение по умолчанию: |
|
Преддемонстрационные воздействия, вводя начальные значения для входного ряда воздействия,
Значение по умолчанию: |
Примечания
NaN
s в данных указывают на отсутствующие значения и filter
удаляет их. Программное обеспечение объединяет преддемонстрационные данные и основные наборы данных отдельно, затем использует мудрое списком удаление, чтобы удалить любой NaN
s. Таким образом, filter
наборы PreSample
= [Y0 Z0 V0]
и Data
= [Z X]
, затем это удаляет любую строку в PreSample
или Data
это содержит по крайней мере один NaN
.
Удаление NaN
s в основных данных уменьшает эффективный объем выборки. Такое удаление может также создать неправильные временные ряды.
filter
принимает, что вы синхронизируете преддемонстрационные данные, таким образом, что новое наблюдение за каждым преддемонстрационным рядом происходит одновременно.
Весь ряд предиктора в X
(т.е. столбцы X
) применяются к каждому ряду воздействия в Z
произвести NumPaths
серия Y
ответа.
|
|
|
|
|
|
filter
обобщает simulate
. Таким образом, оба фильтруют серию воздействий, чтобы произвести выходные ответы, инновации и условные отклонения. Однако simulate
автоматически генерирует серию среднего нуля, модульного отклонения, независимых и тождественно распределенных (iid) воздействий согласно распределению в Mdl
. В отличие от этого filter
позволяет вам непосредственно задать свои собственные воздействия.
[1] Поле, G. E. P. Г. М. Дженкинс и Г. К. Рейнсель. Анализ Временных Рядов: Предсказывая и Управление 3-й редактор Englewood Cliffs, NJ: Prentice Hall, 1994.
[2] Enders, W. Прикладные эконометрические временные ряды. Хобокен, NJ: John Wiley & Sons, 1995.
[3] Гамильтон, J. D. Анализ Временных Рядов. Принстон, NJ: Издательство Принстонского университета, 1994.