Econometrics Toolbox™ включает наборы выборочных данных и показанные примеры в следующих таблицах.
Обычно наборы данных содержат отдельные переменные данных, переменные описания со ссылками, и таблицы или расписания, инкапсулирующие набор данных и его описание, как соответствующие. Чтобы загрузить набор данных в рабочую область, в командной строке, входят
load DataSetName
DataSetName
один из файлов в этой таблице.Имя набора данных | Описание |
---|---|
Data_Canada | Канадская инфляция и процентные ставки, 1954–1994 |
Data_Consumption | Американское продовольственное потребление, 1927–1962 |
Data_CreditDefaults | Значения по умолчанию корпоративной облигации инвестиционного класса и четыре предиктора, 1984–2004 |
Data_Danish | Датская биржа возвращается, доходность облигаций, 1922–1999 |
Data_DieboldLi | Казначейство США не сглаживавший нулевой купон Fama-счастья уступает и макроэкономические факторы, 1972–2000 |
Data_ElectricityPrices | Симулируемые ежедневные спотовые цены электричества, 2010–2013 |
Data_EquityIdx | Американские фондовые индексы, 1990–2001 |
Data_FXRates | Курсы обмена валюты, 1979–1998 |
Data_GDP | Американский валовой внутренний продукт, 1947–2005 |
Data_GlobalIdx1 | Глобальные фондовые индексы с большой капитализацией, 1993–2003 |
Data_GNP | Американский валовой национальный продукт, 1947–2005 |
Data_Income1 | Симулированные данные по поступившему и образованию |
Data_Income2 | Средний ежегодный доход образовательным достижением в восьми категориях возраста трудовых ресурсов |
Data_JAustralian | Австралийские данные Йохансена, 1972–1991 |
Data_JDanish | Датские данные Йохансена, 1974–1987 |
Data_MarkPound | Обменный курс валюты Дойчмарки/Британского фунта, 1984–1991 |
Data_NelsonPlosser | Макроэкономическая серия Нельсона и Плоссера, 1860–1970 |
Data_Recessions | Американские даты начала и конца рецессии, 1857–2011 |
Data_SchwertMacro | Макроэкономическая серия Schwert, 1947–1985 |
Data_SchwertStock | Индексы американских курсов акций, 1871–2008 |
Data_TBill | Трехмесячные американские уровни вторичного рынка казначейского векселя, 1947–2005 |
Data_USEconModel | Американский макроэкономический ряд, 1947–2009 |
Data_USEconVECModel | Американская макроэкономическая серия 1957-2016 и проекции в течение следующих 10 лет из Бюджетного управления Конгресса |
После загрузки набора данных можно отобразить информацию о наборе данных, например, значения переменных, путем ввода Description
в командной строке.
Открыть скрипт Econometrics Toolbox показало пример в командной строке, войти
openExample('econ/ExampleName')
ExampleName
имя известного примера в этой таблице.Имя в качестве примера | Заголовок | Описание |
---|---|---|
Demo_ClassicalTests | Классические тесты Misspecification модели | Выполнение классической модели misspecification тесты |
Demo_DieboldLiModel | Примените методологию пространства состояний, чтобы анализировать модель кривой доходности Diebold-лития | Анализируйте популярный Diebold-литий и макро-выражениями модели только для выражений ежемесячных временных рядов кривой доходности, выведенных из счетов Казначейства США и связей при помощи моделей в пространстве состояний и Фильтра Калмана. |
Demo_HPFilter
| Используя фильтр Ходрик-Прескотта, чтобы воспроизвести их исходный результат | Используя Ходрик-Прескотта фильтруют, чтобы воспроизвести их исходный результат |
Demo_RiskFHS | Используя начальную загрузку и фильтрованную историческую симуляцию, чтобы оценить риск рынка | Используя начальную загрузку и отфильтрованную историческую симуляцию, чтобы оценить риск рынка |
Demo_RiskEVT | Используя теорию экстремума и связки, чтобы оценить риск рынка | Используя теорию экстремума и связки, чтобы оценить риск рынка |
Demo_TSReg1 | Регрессия временных рядов I: линейные модели | Представление основных допущений позади моделей многофакторной линейной регрессии |
Demo_TSReg2 | Регрессия временных рядов II: коллинеарность и отклонение средства оценки | Обнаружение корреляции среди предикторов и размещающих проблем большого отклонения средства оценки |
Demo_TSReg3 | Регрессия временных рядов III: влиятельные наблюдения | Обнаружение влиятельных наблюдений в данных временных рядов и размещение их эффекта на моделях многофакторной линейной регрессии |
Demo_TSReg4 | IV регрессии временных рядов: побочная регрессия | Исследование отклоняющихся переменных, побочной регрессии и методов размещения в моделях многофакторной линейной регрессии |
Demo_TSReg5 | Регрессия временных рядов V: выбор предиктора | Выбор экономного набора предикторов с высоким статистическим значением для моделей многофакторной линейной регрессии |
Demo_TSReg6 | Регрессия временных рядов VI: остаточная диагностика | Оценка предположений модели и исследование respecification возможности путем исследования серии остаточных значений |
Demo_TSReg7 | Регрессия временных рядов VII: прогнозирование | Представление основной настройки для создания условного выражения и безусловных прогнозов из моделей многофакторной линейной регрессии |
Demo_TSReg8 | Регрессия временных рядов VIII: изолированные переменные и смещение средства оценки | Исследование, как изолированные предикторы влияют на оценку наименьших квадратов моделей многофакторной линейной регрессии |
Demo_TSReg9 | Регрессия временных рядов IX: изолируйте выбор порядка | Иллюстрирование выбора истории предиктора для моделей многофакторной линейной регрессии |
Demo_TSReg10 | Регрессия временных рядов X: обобщенные наименьшие квадраты и средства оценки HAC | Оценка моделей многофакторной линейной регрессии данных временных рядов в присутствии heteroscedastic или автокоррелируемых инноваций |
Demo_USEconModel | Моделирование экономики Соединенных Штатов | Моделирование американской экономики с помощью модели VEC в качестве линейной альтернативы Сметс-Вутерсу DSGE макроэкономическая модель |
ModelAndSimulateElectricitySpotPricesUsingSkewNormalExample | Модель и симулирует спотовые цены электричества Используя Скошенное Нормальное распределение | Симуляция будущего поведения спотовых цен электричества из модели временных рядов, подбиравшей к историческим данным и использование скошенного нормального распределения, чтобы смоделировать инновационный процесс. |