Для оценки условной средней модели, estimate требует arima модель и вектор одномерных данных временных рядов. Модель определяет параметрическую форму условной средней модели, которая estimate оценки. estimate возвращает подогнанные значения для любых параметров во входной модели с NaN значения. Если вы передаете T×r экзогенная ковариатная матрица в X аргумент, затем estimate прибыль r оценки регрессии. Если указать не -NaN значения для любых параметров, estimate рассматривает эти значения как ограничения равенства и соблюдает их во время оценки.
Например, предположим, что вы оцениваете модель без постоянного члена. Определить 'Constant',0 в модели, в которую вы передаете estimate. estimate просматривает это не -NaN значение как ограничение равенства и не оценивает постоянный член. estimate также соблюдаются все указанные ограничения равенства при оценке параметров без ограничений равенства. Можно задать константу для подмножества коэффициентов регрессии и оценить восстановление. Например, предположим, что модель называется Mdl. Если модель имеет три экзогенных ковариата, и вы хотите оценить два из них и установить другой в один 5, то укажите Mdl.Beta = [NaN 5 NaN].
estimate дополнительно возвращает матрицу дисперсии-ковариации для оцененных параметров. Порядок параметров в этой матрице:
Постоянный
Ненулевые коэффициенты AR при положительных лагах (AR)
Ненулевые сезонные коэффициенты AR при положительных лагах (SAR)
Ненулевые коэффициенты МА при положительных лагах (MA)
Ненулевые сезонные коэффициенты МА при положительных лагах (SMA)
Коэффициенты регрессии (при указании X)
Параметры дисперсии (скаляр для моделей постоянной дисперсии, вектор дополнительных параметров в противном случае)
Степени свободы (только распределение инноваций)
Если какой-либо параметр, известный оптимизатору, имеет ограничение равенства, то соответствующие строка и столбец матрицы дисперсии-ковариации имеют все нули.