Для оценки условной средней модели, estimate требует arima модель и вектор одномерных данных временных рядов. Модель задает параметрическую форму условной средней модели, которая estimate оценки. estimate возвращает подобранные значения для любых параметров во входной модели с NaN значения. Если вы передаете T×r экзогенная ковариатная матрица в X аргумент, затем estimate возвращает r оценки регрессии. Если вы задаете не - NaN значения для любых параметров, estimate рассматривает эти значения как ограничения равенства и чтит их во время оценки.
Например, предположим, что вы оцениваете модель без постоянного члена. Задайте 'Constant',0 в модели, в которую вы переходите estimate. estimate просматривает это не - NaN значение как ограничение равенства и не оценивает постоянный член. estimate также удовлетворяет всем заданным ограничениям равенствам при оценке параметров без ограничений равенств. Можно задать подмножество коэффициентов регрессии в константу и оценить восстановление. Например, предположим, что ваша модель называется Mdl. Если ваша модель имеет три экзогенные ковариаты, и вы хотите оценить две из них и задать другую равной 5, задайте Mdl.Beta = [NaN 5 NaN].
estimate опционально возвращает дисперсионно-ковариационную матрицу 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 MA при положительных лагах (MA)
Ненулевые сезонные коэффициенты MA при положительных лагах (SMA)
Коэффициенты регрессии (когда вы задаете X)
Отклонение параметры (скаляр для моделей с постоянными дисперсиями, вектор дополнительных параметров в противном случае)
Степени свободы (t только инновационное распределение)
Если любой параметр, известный оптимизатору, имеет ограничение равенства, то соответствующая строка и столбец дисперсионно-ковариационной матрицы имеют все нули.
