В этом примере показано, как указать регрессионную модель с ошибками SARMA без перехвата регрессии.
Укажите модель регрессии по умолчанию с ошибками SARMA (1,1) × (2,1,1) 4:
) (1 + B4L4)
Mdl = regARIMA('ARLags',1,'SARLags',[4, 8],... 'Seasonality',4,'MALags',1,'SMALags',4,'Intercept',0)
Mdl =
regARIMA with properties:
Description: "ARMA(1,1) Error Model Seasonally Integrated with Seasonal AR(8) and MA(4) (Gaussian Distribution)"
Distribution: Name = "Gaussian"
Intercept: 0
Beta: [1×0]
P: 13
Q: 5
AR: {NaN} at lag [1]
SAR: {NaN NaN} at lags [4 8]
MA: {NaN} at lag [1]
SMA: {NaN} at lag [4]
Seasonality: 4
Variance: NaN
Аргумент пары имя-значение:
'ARLags',1 указывает, какие задержки имеют ненулевые коэффициенты в несезонном авторегрессионном многочлене, поэтому 1-a1L ).
'SARLags',[4 8] указывает, какие задержки имеют ненулевые коэффициенты в сезонном авторегрессионном полиноме, поэтому 1-A4L4-A8L8 ).
'MALags',1 указывает, какие задержки имеют ненулевые коэффициенты в несезонном многочлене скользящего среднего, поэтому b1L).
'SMALags',4 указывает, какие задержки имеют ненулевые коэффициенты в многочлене сезонного скользящего среднего, поэтому B4L4).
'Seasonality',4 определяет степень сезонной интеграции и соответствует ).
Наборы программного обеспечения Intercept до 0, но все остальные параметры в Mdl являются NaN значения по умолчанию.
Собственность P = p + D + + s = 1 + 0 + 8 + 4 = 13, и свойство Q = q + = 1 + 4 = 5. Поэтому для инициализации программного обеспечения требуется по меньшей мере 13 предварительных наблюдений Mdl.
С тех пор Intercept не является NaN, это ограничение равенства во время оценки. Другими словами, если вы проходите Mdl и данные в estimate, то estimate наборы Intercept до 0 во время оценки.
Можно изменить свойства Mdl с использованием точечной нотации.
Имейте в виду, что регрессионная модель перехватывает (Intercept) не идентифицируется в регрессионных моделях с ошибками ARIMA. Если вы хотите оценить Mdl, то вы должны установить Intercept к значению, использующему, например, точечную нотацию. В противном случае estimate может вернуть ложную оценку Intercept.
В этом примере показано, как задать значения для всех параметров регрессионной модели с ошибками SARIMA.
Укажите регрессионную модель с погрешностями SARIMA (1,1,1) × (1,1,0) 12:
(1 + 0 ,15L)
где - гауссова с единичной дисперсией.
Mdl = regARIMA('AR',0.2,'SAR',{0.25, 0.1},'SARLags',[12 24],... 'D',1,'Seasonality',12,'MA',0.15,'Intercept',0,'Variance',1)
Mdl =
regARIMA with properties:
Description: "ARIMA(1,1,1) Error Model Seasonally Integrated with Seasonal AR(24) (Gaussian Distribution)"
Distribution: Name = "Gaussian"
Intercept: 0
Beta: [1×0]
P: 38
D: 1
Q: 1
AR: {0.2} at lag [1]
SAR: {0.25 0.1} at lags [12 24]
MA: {0.15} at lag [1]
SMA: {}
Seasonality: 12
Variance: 1
Параметры в Mdl не содержать NaN значения, и поэтому нет необходимости оценивать Mdl. Однако смоделировать или спрогнозировать ответы можно путем передачи Mdl кому simulate или forecast.
В этом примере показано, как задать для инновационного распределения регрессионной модели с ошибками SARIMA распределение t.
Укажите регрессионную модель с погрешностями SARIMA (1,1,1) × (1,1,0) 12:
(1 + 0 ,15L)
где имеет t-распределение со степенями свободы и единичной дисперсией по умолчанию.
Mdl = regARIMA('AR',0.2,'SAR',{0.25, 0.1},'SARLags',[12 24],... 'D',1,'Seasonality',12,'MA',0.15,'Intercept',0,... 'Variance',1,'Distribution','t')
Mdl =
regARIMA with properties:
Description: "ARIMA(1,1,1) Error Model Seasonally Integrated with Seasonal AR(24) (t Distribution)"
Distribution: Name = "t", DoF = NaN
Intercept: 0
Beta: [1×0]
P: 38
D: 1
Q: 1
AR: {0.2} at lag [1]
SAR: {0.25 0.1} at lags [12 24]
MA: {0.15} at lag [1]
SMA: {}
Seasonality: 12
Variance: 1
По умолчанию используются следующие степени свободы: NaN. Если вы не знаете степеней свободы, то вы можете оценить это, пройдя Mdl и данные для estimate.
Укажите распределение t10.
Mdl.Distribution = struct('Name','t','DoF',10)
Mdl =
regARIMA with properties:
Description: "ARIMA(1,1,1) Error Model Seasonally Integrated with Seasonal AR(24) (t Distribution)"
Distribution: Name = "t", DoF = 10
Intercept: 0
Beta: [1×0]
P: 38
D: 1
Q: 1
AR: {0.2} at lag [1]
SAR: {0.25 0.1} at lags [12 24]
MA: {0.15} at lag [1]
SMA: {}
Seasonality: 12
Variance: 1
Смоделировать или спрогнозировать ответы можно путем передачи Mdl кому simulate или forecast потому что Mdl полностью указан.
В приложениях, таких как моделирование, программное обеспечение нормализует случайные t инноваций. Другими словами, Variance переопределяет теоретическую дисперсию t случайной величины (которая DoF/(DoF - 2)), но сохраняет куртоз распределения.
estimate | forecast | regARIMA | simulate