В этом примере показано, как применить краткий regARIMA(p,D,q)
синтаксис, чтобы задать модель регрессии с ошибками ARMA.
Задайте модель регрессии по умолчанию с ARMA (3,2) ошибки:
Mdl = regARIMA(3,0,2)
Mdl = regARIMA with properties: Description: "ARMA(3,2) Error Model (Gaussian Distribution)" Distribution: Name = "Gaussian" Intercept: NaN Beta: [1×0] P: 3 Q: 2 AR: {NaN NaN NaN} at lags [1 2 3] SAR: {} MA: {NaN NaN} at lags [1 2] SMA: {} Variance: NaN
Программное обеспечение устанавливает каждый параметр на NaN
, и инновационное распределение к Gaussian
. Коэффициенты AR в задержках 1 - 3, и коэффициенты MA в задержках 1 и 2.
Передайте Mdl
в estimate
с данными, чтобы оценить набор параметров к NaN
. regARIMA
модель устанавливает Beta
к []
и не отображает его. 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 ARMA без прерывания регрессии.
Задайте модель регрессии по умолчанию с ARMA (3,2) ошибки:
Mdl = regARIMA('ARLags',1:3,'MALags',1:2,'Intercept',0)
Mdl = regARIMA with properties: Description: "ARMA(3,2) Error Model (Gaussian Distribution)" Distribution: Name = "Gaussian" Intercept: 0 Beta: [1×0] P: 3 Q: 2 AR: {NaN NaN NaN} at lags [1 2 3] 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 ARMA, где ненулевые условия ARMA в непоследовательных задержках.
Задайте модель регрессии с ARMA (8,4) ошибки:
Mdl = regARIMA('ARLags',[1,4,8],'MALags',[1,4])
Mdl = regARIMA with properties: Description: "ARMA(8,4) Error Model (Gaussian Distribution)" Distribution: Name = "Gaussian" Intercept: NaN Beta: [1×0] P: 8 Q: 4 AR: {NaN NaN NaN} at lags [1 4 8] SAR: {} MA: {NaN NaN} at lags [1 4] SMA: {} Variance: NaN
Коэффициенты AR в задержках 1, 4, и 8, и коэффициенты MA в задержках 1 и 4. Программное обеспечение устанавливает временные задержки на 0.
Передайте Mdl
и данные в estimate
. Программное обеспечение оценивает все параметры, которые имеют значение NaN
. Затем estimate
содержит все временные коэффициенты задержки к 0 во время оценки.
В этом примере показано, как задать значения для всех параметров модели регрессии с ошибками ARMA.
Задайте модель регрессии с ARMA (3,2) ошибки:
где является Гауссовым с модульным отклонением.
Mdl = regARIMA('Intercept',0,'Beta',[2.5; -0.6],... 'AR',{0.7, -0.3, 0.1},'MA',{0.5, 0.2},'Variance',1)
Mdl = regARIMA with properties: Description: "Regression with ARMA(3,2) Error Model (Gaussian Distribution)" Distribution: Name = "Gaussian" Intercept: 0 Beta: [2.5 -0.6] P: 3 Q: 2 AR: {0.7 -0.3 0.1} at lags [1 2 3] SAR: {} MA: {0.5 0.2} 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 ARMA к t распределению.
Задайте модель регрессии с ARMA (3,2) ошибки:
где имеет t распределение со степенями свободы по умолчанию и модульным отклонением.
Mdl = regARIMA('Intercept',0,'Beta',[2.5; -0.6],... 'AR',{0.7, -0.3, 0.1},'MA',{0.5, 0.2},'Variance',1,... 'Distribution','t')
Mdl = regARIMA with properties: Description: "Regression with ARMA(3,2) Error Model (t Distribution)" Distribution: Name = "t", DoF = NaN Intercept: 0 Beta: [2.5 -0.6] P: 3 Q: 2 AR: {0.7 -0.3 0.1} at lags [1 2 3] SAR: {} MA: {0.5 0.2} 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',5)
Mdl = regARIMA with properties: Description: "Regression with ARMA(3,2) Error Model (t Distribution)" Distribution: Name = "t", DoF = 5 Intercept: 0 Beta: [2.5 -0.6] P: 3 Q: 2 AR: {0.7 -0.3 0.1} at lags [1 2 3] SAR: {} MA: {0.5 0.2} at lags [1 2] SMA: {} Variance: 1
Можно симулировать или предсказать ответы от Mdl
использование 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.
В приложении Econometric Modeler можно задать переменные предикторы в компоненте регрессии, и ошибочную структуру задержки модели и инновационное распределение модели регрессии с ARMA (p, q) ошибки, путем выполнения этих шагов. Все заданные коэффициенты являются неизвестными но допускающими оценку параметрами.
В командной строке откройте приложение Econometric Modeler.
econometricModeler
В качестве альтернативы откройте приложение из галереи Apps (см. Econometric Modeler).
В Data Browser выберите ряд времени отклика, к которому модель будет подходящей.
На вкладке Econometric Modeler, в разделе Models, кликают по стреле, чтобы отобразить галерею моделей.
В галерее моделей, в разделе Regression Models, нажимают RegARMA.
Диалоговое окно RegARMA Model Parameters появляется.
Выберите ошибочную структуру задержки модели. Чтобы задать модель регрессии с ARMA (p, q), ошибки, который включает все задержки AR от 1 до p и всех задержек MA от 1 до q, используют вкладку Lag Order. Для гибкости, чтобы задать включение особых задержек, используйте вкладку Lag Vector. Для получения дополнительной информации смотрите Полиномы Оператора Задержки Определения В интерактивном режиме. Независимо от вкладки вы используете, можно проверить форму модели путем осмотра уравнения в разделе Model Equation .
В разделе Predictors выберите по крайней мере один переменный предиктор путем установки флажка Include? для временных рядов.
Например, предположите, что вы работаете с Data_USEconModel.mat
набор данных и его переменные перечислены в Data Browser.
Задавать модель регрессии с AR (3) ошибки для уровня безработицы, содержащего весь последовательный AR, отстает от 1 до его порядка, Распределенных гауссовым образом инноваций и переменных предикторов COE, CPIAUCSL, FEDFUNDS и GDP:
В Data Browser выберите UNRATE
временные ряды.
На вкладке Econometric Modeler, в разделе Models, кликают по стреле, чтобы отобразить галерею моделей.
В галерее моделей, в разделе Regression Models, нажимают RegARMA.
.
В диалоговом окне regARMA Model Parameters, на вкладке Lag Order, устанавливает Autoregressive Order на 3
.
В разделе Predictors установите флажок Include? для COE, CPIAUCSL, FEDFUNDS и временных рядов GDP.
Задавать модель регрессии с MA (2) ошибки для уровня безработицы, содержащего весь MA, отстает от 1 до его порядка, Распределенных гауссовым образом инноваций и переменных предикторов COE и CPIAUCSL.
В Data Browser выберите UNRATE
временные ряды.
На вкладке Econometric Modeler, в разделе Models, кликают по стреле, чтобы отобразить галерею моделей.
В галерее моделей, в разделе Regression Models, нажимают RegARMA.
В диалоговом окне regARMA Model Parameters, на вкладке Lag Order, устанавливает Moving Average Order на 2
.
В разделе Predictors установите флажок Include? для временных рядов CPIAUCSL и COE.
Задавать модель регрессии с ARMA (8,4) ошибки для уровня безработицы, содержащего непоследовательные задержки
где εt является серией Гауссовых инноваций IID:
В Data Browser выберите UNRATE
временные ряды.
На вкладке Econometric Modeler, в разделе Models, кликают по стреле, чтобы отобразить галерею моделей.
В галерее моделей, в разделе Regression Models, нажимают RegARMA.
В диалоговом окне regARMA Model Parameters кликните по вкладке Lag Vector:
В поле Autoregressive Lags введите 1 4 8
.
В поле Moving Average Lags введите 1 4
.
В разделе Predictors установите флажок Include? для временных рядов CPIAUCSL и COE.
Задавать модель регрессии с ARMA (3,2) ошибки для уровня безработицы, содержащего весь последовательный AR и MA, отстает через их соответствующие порядки, переменные предикторы COE и CPIAUCSL и t - распределенные инновации:
В Data Browser выберите UNRATE
временные ряды.
На вкладке Econometric Modeler, в разделе Models, кликают по стреле, чтобы отобразить галерею моделей.
В галерее моделей, в разделе Regression Models, нажимают RegARMA.
В диалоговом окне regARMA Model Parameters кликните по вкладке Lag Order:
Установите Autoregressive Order на 3
.
Установите Moving Average Order на 2
.
Нажмите кнопку Innovation Distribution, затем выберите t
.
В разделе Predictors установите флажок Include? для временных рядов CPIAUCSL и COE.
Параметр степеней свободы распределения t является неизвестным, но допускающим оценку параметром.
После того, как вы зададите модель, нажмите Estimate, чтобы оценить все неизвестные параметры в модели.