В этом примере показано, как вычислить необходимые входные параметры для проведения Вальдового теста с waldtest
. Вальдов тест сравнивает припадок ограниченной модели с неограниченной моделью путем тестирования, существенно отличается ли функция ограничения, выполненная в неограниченных оценках наибольшего правдоподобия (MLEs), от нуля.
Необходимые входные параметры для waldtest
функция ограничения, якобиан функции ограничения, выполненной в неограниченном MLEs и оценке ковариационной матрицы отклонения, оцененной в неограниченном MLEs. Этот пример сравнивает припадок модели AR (1) с моделью AR (2).
Получите неограниченный MLEs, подбирая модель AR (2) (с Гауссовым инновационным распределением) к определенным данным. Примите, что у вас есть преддемонстрационные наблюдения () = (9.6249,9.6396)
Y = [10.1591; 10.1675; 10.1957; 10.6558; 10.2243; 10.4429;
10.5965; 10.3848; 10.3972; 9.9478; 9.6402; 9.7761;
10.0357; 10.8202; 10.3668; 10.3980; 10.2892; 9.6310;
9.6318; 9.1378; 9.6318; 9.1378];
Y0 = [9.6249; 9.6396];
Mdl = arima(2,0,0);
[EstMdl,V] = estimate(Mdl,Y,'Y0',Y0);
ARIMA(2,0,0) Model (Gaussian Distribution): Value StandardError TStatistic PValue _______ _____________ __________ _________ Constant 2.8802 2.5239 1.1412 0.25379 AR{1} 0.60623 0.40372 1.5016 0.1332 AR{2} 0.10631 0.29283 0.36303 0.71658 Variance 0.12386 0.042598 2.9076 0.0036425
При проведении Вальдового теста только неограниченная модель должна быть подходящей. estimate
возвращает предполагаемую ковариационную матрицу отклонения как дополнительный выход.
Задайте функцию ограничения и вычислите ее якобиевскую матрицу.
Для сравнения модели AR (1) к модели AR (2) функция ограничения
Якобиан функции ограничения
Выполните функцию ограничения и якобиан в неограниченном MLEs.
r = EstMdl.AR{2}; R = [0 0 1 0];
Проведите Вальдов тест, чтобы сравнить ограниченную модель AR (1) с неограниченной моделью AR (2).
[h,p,Wstat,crit] = waldtest(r,R,V)
h = logical
0
p = 0.7166
Wstat = 0.1318
crit = 3.8415
Ограниченная модель AR (1) не отклоняется в пользу модели AR (2) (h = 0
).