estimate метод для arima модели используют fmincon от Optimization Toolbox™, чтобы выполнить оценку наибольшего правдоподобия. Эта оптимизационная функция требует начальной буквы (или, начиная) значения, чтобы начать процесс оптимизации.
Если вы хотите задать свои собственные начальные значения, то используйте аргументы значения имени. Например, задайте начальные значения для несезонных коэффициентов AR с помощью аргумента AR0 значения имени.
В качестве альтернативы можно позволить estimate выберите начальные значения по умолчанию. Начальные значения по умолчанию сгенерированы с помощью стандартных методов временных рядов. Если вы частично задаете начальные значения (то есть, задайте начальные значения для некоторых параметров), estimate соблюдает начальные значения, которые вы устанавливаете, и генерирует начальные значения по умолчанию для остающихся параметров.
Когда вы генерируете начальные значения, estimate осуществляет устойчивость и обратимость для всего AR и полиномов оператора задержки MA. Когда вы задаете начальные значения для AR и коэффициентов MA, это возможно тот estimate не может найти начальные значения для остающихся коэффициентов, которые удовлетворяют устойчивости и обратимости. В этом случае, estimate сохраняет заданные пользователями начальные значения и устанавливает остающиеся начальные содействующие значения к 0.
Эта таблица суммирует методы estimate использование, чтобы сгенерировать начальные значения по умолчанию. Программное обеспечение использует методы в этой таблице и основном наборе данных, чтобы сгенерировать начальные значения. Если вы задаете сезонное или несезонное интегрирование в модели, то estimate различия ряд ответа перед начальными значениями сгенерированы. Здесь, коэффициенты AR и коэффициенты MA включают и несезонный и сезонный AR и коэффициенты MA.
| Метод, чтобы сгенерировать начальные значения | |||
|---|---|---|---|
| Параметр | Существующие коэффициенты регрессии | Коэффициент регрессии, не существующий | |
| Условия MA не в модели | Коэффициенты AR | Обычные наименьшие квадраты (OLS) | OLS |
| Постоянный | Постоянный OLS | Постоянный OLS | |
| Коэффициенты регрессии | OLS | Нет данных | |
| Постоянное отклонение | Отклонение населения остаточных значений OLS | Отклонение населения остаточных значений OLS | |
| Условия MA в модели | Коэффициенты AR | OLS | Решите уравнения Уокера Рождества, как описано в Поле, Дженкинсе и Рейнселе [1]. |
| Постоянный | Постоянный OLS | Среднее значение отфильтрованного AR ряда (использующий начальные коэффициенты AR) | |
| Коэффициенты регрессии | OLS | Нет данных | |
| Постоянное отклонение | Отклонение населения остаточных значений OLS | Отклонение выведенного инновационного процесса (использующий начальные коэффициенты MA) | |
| Коэффициенты MA | Решите изменил уравнения Уокера Рождества, как описано в Поле, Дженкинсе и Рейнселе [1]. | ||
Для получения дополнительной информации, о как estimate инициализирует условные параметры модели отклонения, смотрите Начальные значения для Условной Оценки Модели Отклонения.
[1] Поле, G. E. P. Г. М. Дженкинс и Г. К. Рейнсель. Анализ Временных Рядов: Прогнозирование и Управление. 3-й редактор Englewood Cliffs, NJ: Prentice Hall, 1994.