Автокоррелируемые и воздействия Heteroscedastic

Модели регрессии с несферическими ошибками, и HAC и средства оценки FGLS

К явным образом модели для последовательной корреляции в ряду воздействия, создайте модель регрессии с ошибками ARIMA (regARIMA объект модели). В качестве альтернативы, чтобы подтвердить присутствие nonsphericality, можно оценить heteroscedastic и автокорреляцию сопоставимая содействующая ковариационная матрица (HAC), или реализовать выполнимые обобщенные наименьшие квадраты (FGLS). Для получения дополнительной информации о HAC и средствах оценки FGLS, смотрите Регрессию Временных рядов X: Обобщенные Наименьшие квадраты и Средства оценки HAC.

Для условных средних инструментов модели, которые поддерживают создание модели ARIMA и анализ, см. Условные Средние Модели.

Приложения

Econometric ModelerАнализируйте и смоделируйте эконометрические временные ряды

Функции

развернуть все

regARIMAСоздайте модель регрессии с ошибками временных рядов ARIMA
arimaПреобразуйте модель регрессии с ошибками ARIMA к модели ARIMAX
hacHeteroscedasticity и автокорреляция сопоставимые средства оценки ковариации
fglsВыполнимые обобщенные наименьшие квадраты
estimateОцените параметры моделей регрессии с ошибками ARIMA
inferВыведите инновации моделей регрессии с ошибками ARIMA
summarizeОтобразите результаты оценки модели регрессии с ошибками ARIMA
simulateСимуляция Монте-Карло модели регрессии с ошибками ARIMA
filterПропустите воздействия через модель регрессии с ошибками ARIMA
impulseИмпульсная характеристика модели регрессии с ошибками ARIMA
forecastПредскажите ответы модели регрессии с ошибками ARIMA

Примеры и руководства

Создайте модель

Создайте модели регрессии с ошибками ARIMA

Создайте модели регрессии с авторегрессивными интегрированными ошибками скользящего среднего значения regARIMA или приложение Econometric Modeler.

Задайте модель регрессии по умолчанию с ошибками ARIMA

Создайте модель регрессии по умолчанию с ошибками ARIMA regARIMA.

Создайте модели регрессии с ошибками AR

Создайте модели регрессии с ошибками AR regARIMA.

Создайте модели регрессии с ошибками MA

Создайте модели регрессии с ошибками MA regARIMA.

Создайте модели регрессии с ошибками ARMA

Создайте модели регрессии с ошибками ARMA regARIMA или приложение Econometric Modeler.

Создайте модели регрессии с ошибками ARIMA

Создайте модели регрессии с ошибками ARIMA regARIMA.

Создайте модели регрессии с ошибками SARIMA

Создайте модели регрессии с ошибками SARIMA regARIMA.

Задайте ошибочное инновационное распределение модели ARIMA

Выберите между Гауссовым - или t-distributed инновации.

Задайте модель регрессии с ошибками SARIMA

Создайте модель регрессии с мультипликативными сезонными ошибками ARIMA.

Измените regARIMA Model Properties

Измените аспекты существующей модели.

Постройте импульсную характеристику модели регрессии с ошибками ARIMA

Постройте функции импульсной характеристики различных моделей регрессии с ошибками ARIMA.

Альтернативные представления модели ARIMA

Преобразуйте между ARMAX и моделями регрессии с ошибками ARMA.

Подбирайте модель к данным

Оцените модель регрессии с ошибками ARMA приложение Econometric Modeler

В интерактивном режиме задайте и оцените модель регрессии с ошибками ARMA.

Оцените модель регрессии с ошибками ARIMA

Оцените чувствительность Валового внутреннего продукта (ВВП) США к изменениям в Индексе потребительских цен (CPI) с помощью estimate.

Оцените модель регрессии с мультипликативными ошибками ARIMA

Подбирайте модель регрессии с мультипликативными ошибками ARIMA к данным с помощью estimate.

Альтернативные представления модели ARIMA

Преобразуйте между ARMAX и моделями регрессии с ошибками ARMA.

Выберите Lags for ARMA Error Model

Чтобы выбрать несезонное авторегрессивное и скользящее среднее значение изолируют полиномиальные степени для модели регрессии с ошибками ARMA, используют Критерий информации о Akaike (AIC).

Постройте полосу доверия Используя оценки HAC

Постройте откорректированные полосы доверия, использующие Newey-западные устойчивые стандартные погрешности.

Измените пропускную способность средства оценки HAC

Измените пропускную способность при оценке содействующей ковариации HAC и сравните оценки по различной пропускной способности и ядрам.

Сравните устойчивые методы регрессии

Обратитесь к влиятельным выбросам с помощью моделей регрессии с ошибками ARIMA, мешками деревьев регрессии и Байесовой линейной регрессией.

Совместно используйте результаты сеанса приложения Econometric Modeler

Экспортируйте переменные в MATLAB® Workspace, сгенерируйте простой текст и live функции, которые возвращают модель, оцененную на сеансе приложения, или генерируют отчет, записывающий ваши действия на временных рядах и оцененных моделях на сеансе приложения Econometric Modeler.

Сгенерируйте симуляции или импульсные характеристики

Симулируйте модели регрессии с ошибками ARMA

Симулируйте наблюдения из различных моделей регрессии с ошибками ARMA.

Симулируйте модели регрессии с неустановившимися ошибками

Симулируйте модель регрессии с неустановившимися и экспоненциальными ошибками.

Симулируйте модели регрессии с мультипликативными сезонными ошибками

Симулируйте модель регрессии со стационарным и различием стационарные ошибки.

Предскажите модель регрессии с ошибками ARIMA

Предскажите модель регрессии с ARIMA (3,1,2) ошибки forecast и simulate.

Сгенерируйте минимальные прогнозы среднеквадратичной погрешности

Предскажите модель регрессии с ошибками ARIMA

Предскажите модель регрессии с ARIMA (3,1,2) ошибки forecast и simulate.

Предскажите модель регрессии с мультипликативными сезонными ошибками ARIMA

Предскажите мультипликативную сезонную модель ARIMA с помощью forecast.

Проверьте Прогнозирующую Робастность Способности regARIMA Модели

Предскажите модель регрессии с ошибками ARIMA и проверяйте робастность предсказуемости модели.

Концепции

Обзор приложения Econometric Modeler

Приложение Econometric Modeler является интерактивным инструментом для визуализации и анализа одномерных данных временных рядов.

Определение полиномов оператора задержки в интерактивном режиме

Задайте условия полинома оператора задержки для оценки модели временных рядов с помощью Econometric Modeler.

Импульсная характеристика моделей регрессии с ошибками ARIMA

Узнайте о функциях импульсной характеристики моделей регрессии с ошибками ARIMA.

Несферические модели

Узнайте об инновациях, что показывают автокорреляцию и heteroscedasticity.

Модели регрессии с ошибками временных рядов

Узнайте о моделях регрессии с ошибками ARIMA.

Модели регрессии временных рядов

Задайте различные типы моделей регрессии временных рядов.

Начальные значения для regARIMA Оценки Модели

Узнать, как MATLAB использует начальные значения параметров во время оценки.

Прервите идентифицируемость в моделях регрессии с ошибками ARIMA

Узнайте об идентифицируемости прерывания в модели регрессии с ошибками ARIMA.

Выберите Regression Model with ARIMA Errors

Узнать, как выбрать соответствующую модель регрессии с ошибками ARIMA.

Оценка Наибольшего правдоподобия regARIMA Моделей

Узнайте об оценке наибольшего правдоподобия для моделей регрессии с ошибками ARIMA.

Настройки оптимизации для regARIMA Оценки Модели

Узнайте о настройках оптимизации для модели регрессии с ошибочной оценкой ARIMA.

Преддемонстрационные Значения для regARIMA Оценки Модели

Узнать, как MATLAB использует преддемонстрационные значения во время оценки.

Оценка Модели regARIMA Используя Ограничения равенства

Оцените модель регрессии с ошибками ARIMA с ограничениями равенства.

Симуляция Монте-Карло моделей регрессии с ошибками ARIMA

Узнайте о генерации независимых, случайных ничьих из модели регрессии с ошибками ARIMA.

Преддемонстрационные Данные для regARIMA Симуляции модели

Узнайте о преддемонстрационных данных, требуемых симулировать модель регрессии с ошибками ARIMA.

Переходные эффекты в regARIMA Симуляциях модели

Узнайте о том, как преддемонстрационные данные влияют на симулированный путь.

Прогнозирование Монте-Карло regARIMA Моделей

Узнайте о прогнозировании модели регрессии с ошибками ARIMA много симулированных путей.

MMSE прогнозирование моделей регрессии с ошибками ARIMA

Узнайте о минимальных прогнозах среднеквадратичной погрешности.

Для просмотра документации необходимо авторизоваться на сайте