Чтобы явно смоделировать последовательную корреляцию в ряду нарушений порядка, создайте регрессионую модель с ошибками ARIMA (regARIMA объект модели). В качестве альтернативы, чтобы признать наличие несферичности, можно оценить гетероскедастическую-и-автокорреляционную согласованную (HAC) ковариационную матрицу коэффициента или реализовать допустимую обобщенную аппроксимацию методом наименьших квадратов (FGLS). Для получения дополнительной информации о оценщиках HAC и FGLS, смотрите Регрессия временных рядов X: Обобщенные оценки наименьших квадратов и HAC.
Для условных средних инструментов модели, которые поддерживают создание и анализ модели ARIMA, см. «Условные средние модели».
| Econometric Modeler | Анализируйте и моделируйте эконометрические временные ряды |
Создайте регрессионные модели с ошибками ARIMA
Создайте регрессионные модели с авторегрессивными интегрированными ошибками скользящего среднего с помощью regARIMA или приложение Econometric Modeler.
Задайте регрессионую модель по умолчанию с ошибками ARIMA
Создайте регрессионую модель по умолчанию с ошибками ARIMA с помощью regARIMA.
Создайте регрессионные модели с ошибками
Создайте регрессионные модели с ошибками с помощью regARIMA.
Создайте регрессионные модели с ошибками MA
Создайте регрессионные модели с ошибками MA с помощью regARIMA.
Создайте регрессионные модели с ошибками ARMA
Создайте регрессионные модели с ошибками ARMA с помощью regARIMA или приложение Econometric Modeler.
Создайте регрессионные модели с ошибками ARIMA
Создайте регрессионные модели с ошибками ARIMA с помощью regARIMA.
Создайте регрессионные модели с ошибками SARIMA
Создайте регрессионные модели с ошибками SARIMA с помощью regARIMA.
Задайте инновационное распределение модели ошибок ARIMA
Выберите между Гауссовыми или t-распределенными инновациями.
Задайте регрессионую модель с ошибками SARIMA
Создайте регрессионую модель с мультипликативными сезонными ошибками ARIMA.
Изменение свойств модели regARIMA
Изменение аспектов существующей модели.
Постройте импульсную характеристику регрессионой модели с ошибками ARIMA
Постройте функции импульсной характеристики различных регрессионых моделей с ошибками ARIMA.
Альтернативные представления модели ARIMA
Преобразуйте между ARMAX и регрессиоными моделями с ошибками ARMA.
Оценка регрессионной модели с ошибками ARMA с помощью приложения Econometric Modeler
Интерактивно задайте и оцените регрессионую модель с ошибками ARMA.
Оцените регрессионую модель с ошибками ARIMA
Оценить чувствительность валового внутреннего продукта (ВВП) США к изменениям в индексе потребительских цен (ИПЦ) с помощью estimate.
Оцените регрессионую модель с мультипликативными ошибками ARIMA
Подгонка регрессионной модели с мультипликативными ошибками ARIMA к данным с использованием estimate.
Альтернативные представления модели ARIMA
Преобразуйте между ARMAX и регрессиоными моделями с ошибками ARMA.
Выберите Лаги для модели ошибки ARMA
Чтобы выбрать несезонную авторегрессионную и скользящую среднюю задержку полинома градусах для регрессионой модели с ошибками ARMA, используйте Информационный критерий Akaike (AIC).
Постройте график полосы Доверия с использованием оценок HAC
Построение исправленных доверительных полос с помощью устойчивых стандартных ошибок Newey-West.
Изменение полосы пропускания оценщика HAC
Измените пропускную способность при оценке ковариации коэффициента HAC и сравните оценки по различным полосам и ядрам.
Сравнение устойчивых методов регрессии
Адресовать влиятельные выбросы с помощью регрессионых моделей с ошибками ARIMA, мешками регрессионых деревьев и байесовской линейной регрессией.
Поделитесь результатами сеанса приложения Econometric Modeler
Экспорт переменных в MATLAB® Рабочая область, сгенерируйте простой текст и live функции, которые возвращают модель, оцененную в сеансы приложения, или сгенерируйте отчет, записывающий ваши действия в временных рядах и предполагаемых моделях в сеансе приложения Econometric Modeler.
Симулируйте регрессионные модели с ошибками ARMA
Симулируйте наблюдения из различных регрессионных моделей с ошибками ARMA.
Симулируйте регрессионные модели с нестационарными ошибками
Симулируйте регрессионую модель с нестационарными и экспоненциальными ошибками.
Симулируйте регрессионные модели с мультипликативными сезонными ошибками
Симулируйте регрессионую модель с стационарными и разностными стационарными ошибками.
Предсказание регрессионной модели с ошибками ARIMA
Прогнозируйте регрессионую модель с ошибками ARIMA (3,1,2) с использованием forecast и simulate.
Предсказание регрессионной модели с ошибками ARIMA
Прогнозируйте регрессионую модель с ошибками ARIMA (3,1,2) с использованием forecast и simulate.
Прогноз регрессионной модели с мультипликативными сезонными ошибками ARIMA
Прогнозируйте мультипликативную сезонную модель ARIMA с помощью forecast.
Проверьте робастность прогнозирующей способности модели regARIMA
Спрогнозируйте регрессионую модель с ошибками ARIMA и проверьте робастность предсказуемости модели.
Обзор приложения Econometric Modeler
Приложение Econometric Modeler является интерактивным инструментом для визуализации и анализа одномерных данных временных рядов.
Определение полиномов оператора задержки в интерактивном режиме
Задайте полиномиальные условия оператора задержки для оценки модели временных рядов с помощью Econometric Modeler.
Импульсная характеристика регрессионных моделей с ошибками ARIMA
Узнайте о функциях импульсной характеристики регрессионых моделей с ошибками ARIMA.
Узнайте об инновациях, которые демонстрируют автокорреляцию и гетероскедастичность.
Регрессионные модели с ошибками временных рядов
Узнайте о регрессионных моделях с ошибками ARIMA.
Модели регрессии временных рядов
Задайте различные типы регрессионных моделей временных рядов.
Начальные значения для оценки модели regARIMA
Узнайте, как MATLAB использует начальные значения параметров во время оценки.
Идентификационная способность точки пересечения в регрессионных моделях с ошибками ARIMA
Узнайте об идентифицируемости точки пересечения в регрессионой модели с ошибками ARIMA.
Выберите регрессионую модель с ошибками ARIMA
Узнать, как выбрать соответствующую регрессионую модель с ошибками ARIMA.
Оценка максимальных правдоподобий моделей regARIMA
Узнайте о максимальной оценке правдоподобия для регрессионых моделей с ошибками ARIMA.
Настройки оптимизации для оценки модели regARIMA
Узнайте об настройках оптимизации для регрессионной модели с оценкой ошибок ARIMA.
Предварительная выборка значений для оценки модели regARIMA
Узнайте, как MATLAB использует значения предварительной выборки во время оценки.
Оценка модели regARIMA с использованием ограничений равенства
Оцените регрессионую модель с ошибками ARIMA с ограничениями равенствами.
Симуляция Монте-Карло регрессионых моделей с ошибками ARIMA
Узнайте о генерации независимых, случайных рисунков из регрессионой модели с ошибками ARIMA.
Предварительный образец данных для симуляции модели regARIMA
Узнайте о предварительных образцах данных, необходимых для симуляции регрессионой модели с ошибками ARIMA.
Переходные эффекты в симуляциях модели regARIMA
Узнайте о том, как предварительные данные влияют на моделируемый путь.
Монте-Карло Прогнозирование моделей regARIMA
Узнайте о прогнозировании регрессионной модели с ошибками ARIMA с использованием многих моделируемых путей.
MMSE Прогнозирование регрессионых моделей с ошибками ARIMA
Узнайте о минимальных прогнозах среднеквадратических ошибок.