При создании регрессионной модели с ошибками ARIMA с помощью regARIMAзатем программа присваивает значения всем своим свойствам. Чтобы изменить любое из этих значений свойств, не требуется реконструировать модель целиком. Можно изменить значения свойств существующей модели с помощью точечной нотации. Чтобы получить доступ к свойству, введите имя модели, а затем имя свойства, разделенное «|. |» (точка).
Укажите регрессионную модель с ошибками ARIMA (3,1,2)
θ1L + θ2L2) αt.
Mdl = regARIMA(3,1,2);
Используйте нотацию массива ячеек для установки значений параметров авторегрессии и скользящего среднего.
Mdl.AR = {0.2 0.1 0.05};
Mdl.MA = {0.1 -0.05}Mdl =
regARIMA with properties:
Description: "ARIMA(3,1,2) Error Model (Gaussian Distribution)"
Distribution: Name = "Gaussian"
Intercept: NaN
Beta: [1×0]
P: 4
D: 1
Q: 2
AR: {0.2 0.1 0.05} at lags [1 2 3]
SAR: {}
MA: {0.1 -0.05} at lags [1 2]
SMA: {}
Variance: NaN
Используйте точечную нотацию для отображения авторегрессионных коэффициентов Mdl в окне команд.
ARCoeff = Mdl.AR
ARCoeff=1×3 cell array
{[0.2000]} {[0.1000]} {[0.0500]}
ARCoeff является массивом ячеек 1 на 3. Каждая последовательная ячейка содержит следующие авторегрессионные задержки.
Также можно добавить дополнительные коэффициенты запаздывания.
Mdl.MA = {0.1 -0.05 0.01}Mdl =
regARIMA with properties:
Description: "ARIMA(3,1,3) Error Model (Gaussian Distribution)"
Distribution: Name = "Gaussian"
Intercept: NaN
Beta: [1×0]
P: 4
D: 1
Q: 3
AR: {0.2 0.1 0.05} at lags [1 2 3]
SAR: {}
MA: {0.1 -0.05 0.01} at lags [1 2 3]
SMA: {}
Variance: NaN
По умолчанию спецификация устанавливает новый коэффициент на следующее последовательное запаздывание. Добавление нового коэффициента увеличивается Q на 1.
Можно задать коэффициент запаздывания для определенного члена запаздывания с помощью индексации ячеек.
Mdl.AR{12} = 0.01Mdl =
regARIMA with properties:
Description: "ARIMA(12,1,3) Error Model (Gaussian Distribution)"
Distribution: Name = "Gaussian"
Intercept: NaN
Beta: [1×0]
P: 13
D: 1
Q: 3
AR: {0.2 0.1 0.05 0.01} at lags [1 2 3 12]
SAR: {}
MA: {0.1 -0.05 0.01} at lags [1 2 3]
SMA: {}
Variance: NaN
Коэффициент авторегрессии 0.01 находится на 12-м отставании. Собственность P увеличивается до 13 с новой спецификацией.
Установите распределение инноваций в распределение t с помощью NaN степени свободы.
Distribution = struct('Name','t','DoF',NaN); Mdl.Distribution = Distribution
Mdl =
regARIMA with properties:
Description: "ARIMA(12,1,3) Error Model (t Distribution)"
Distribution: Name = "t", DoF = NaN
Intercept: NaN
Beta: [1×0]
P: 13
D: 1
Q: 3
AR: {0.2 0.1 0.05 0.01} at lags [1 2 3 12]
SAR: {}
MA: {0.1 -0.05 0.01} at lags [1 2 3]
SMA: {}
Variance: NaN
Если DoF является NaN, то estimate оценивает степени свободы. Для других задач, таких как моделирование или прогнозирование модели, необходимо указать значение для DoF.
Чтобы задать коэффициент регрессии, назначьте вектору свойство Beta.
Mdl.Beta = [1; 3; -5]
Mdl =
regARIMA with properties:
Description: "Regression with ARIMA(12,1,3) Error Model (t Distribution)"
Distribution: Name = "t", DoF = NaN
Intercept: NaN
Beta: [1 3 -5]
P: 13
D: 1
Q: 3
AR: {0.2 0.1 0.05 0.01} at lags [1 2 3 12]
SAR: {}
MA: {0.1 -0.05 0.01} at lags [1 2 3]
SMA: {}
Variance: NaN
Если вы проходите Mdl в estimate с ответными данными и тремя сериями предикторов, затем программное обеспечение фиксирует параметры non - | NaN | по их значениям и оцениваетIntercept, Variance, и DoF. Например, если требуется смоделировать данные из этой модели, необходимо указать Variance и DoF.
Не все свойства regARIMA модели могут быть изменены. Чтобы изменить их напрямую, необходимо переопределить модель с помощью regARIMA. К немодифицируемым свойствам относятся:
P, который является составной авторегрессивной полиномиальной степенью. Программное обеспечение определяет P из p, d, ps и s. Дополнительные сведения о нотации см. в разделе Регрессионная модель с ошибками временных рядов ARIMA.
Q, которая представляет собой сложную скользящую среднюю степень. Программное обеспечение определяет Q от q и qs
DoF, которая является степенью свободы для моделей, имеющих t-распределенный инновационный процесс
Хотя они явно не являются свойствами, переназначение или печать структуры запаздывания с помощью ARLags, MALags, SARLags, или SMALags. Пропустите их и запаздывающую структуру в regARIMA в качестве аргументов пары «имя-значение» при указании модели.
Например, укажите регрессионную модель с ошибками ARIMA (4,1), используяregARIMA, где авторегрессивные коэффициенты имеют место на лагах 1 и 4.
Mdl = regARIMA('ARLags',[1 4],'MALags',1)
Mdl =
regARIMA with properties:
Description: "ARMA(4,1) Error Model (Gaussian Distribution)"
Distribution: Name = "Gaussian"
Intercept: NaN
Beta: [1×0]
P: 4
Q: 1
AR: {NaN NaN} at lags [1 4]
SAR: {}
MA: {NaN} at lag [1]
SMA: {}
Variance: NaN
Те же результаты можно получить, указав регрессионную модель с ошибками ARMA (1,1), а затем добавив коэффициент авторегрессии на четвертом запаздывании.
Mdl = regARIMA(1,0,1);
Mdl.AR{4} = NaNMdl =
regARIMA with properties:
Description: "ARMA(4,1) Error Model (Gaussian Distribution)"
Distribution: Name = "Gaussian"
Intercept: NaN
Beta: [1×0]
P: 4
Q: 1
AR: {NaN NaN} at lags [1 4]
SAR: {}
MA: {NaN} at lag [1]
SMA: {}
Variance: NaN
Изменение значения DoF, необходимо определить новую структуру для распределения и использовать точечную нотацию для передачи ее в модель. Например, укажите регрессионную модель с ошибками AR (1), имеющими t-распределенные инновации.
Mdl = regARIMA('AR',0.5,'Distribution','t')
Mdl =
regARIMA with properties:
Description: "ARMA(1,0) Error Model (t Distribution)"
Distribution: Name = "t", DoF = NaN
Intercept: NaN
Beta: [1×0]
P: 1
Q: 0
AR: {0.5} at lag [1]
SAR: {}
MA: {}
SMA: {}
Variance: NaN
Значение DoF является NaN по умолчанию.
Укажите, что распределение t имеет 10 степеней свободы.
Distribution = struct('Name','t','DoF',10); Mdl.Distribution = Distribution
Mdl =
regARIMA with properties:
Description: "ARMA(1,0) Error Model (t Distribution)"
Distribution: Name = "t", DoF = 10
Intercept: NaN
Beta: [1×0]
P: 1
Q: 0
AR: {0.5} at lag [1]
SAR: {}
MA: {}
SMA: {}
Variance: NaN
estimate | forecast | regARIMA | simulate