Для условной средней оценки модели, estimate требует arima модель и вектор из одномерных данных временных рядов. Модель задает параметрическую форму условной средней модели что estimate оценки. estimate возвращает адаптированные значения для любых параметров во входной модели с NaN значения. Если вы передаете T×r внешняя ковариационная матрица в X аргумент, затем estimate возвращает r оценки регрессии. Если вы задаете non-NaN значения для любых параметров, estimate представления эти значения как ограничения равенства и соблюдают их во время оценки.
Например, предположите, что вы оцениваете модель без постоянного термина. Задайте 'Constant',0 в модели вы передаете в estimate. estimate представления этот non-NaN значение как ограничение равенства, и не оценивает постоянный термин. estimate также почести все заданные ограничения равенства при оценке параметров без ограничений равенства. Можно установить подмножество коэффициентов регрессии к константе и оценить остальных. Например, предположите, что ваша модель называется Mdl. Если ваша модель имеет три внешних коварианта, и вы хотите оценить два из них и установить другой на один к 5, затем задать Mdl.Beta = [NaN 5 NaN].
estimate опционально возвращает ковариационную матрицу отклонения для предполагаемых параметров. Порядок параметра в этой матрице:
Постоянный
Ненулевые коэффициенты AR в положительных задержках (AR)
Ненулевые сезонные коэффициенты AR в положительных задержках (SAR)
Ненулевые коэффициенты MA в положительных задержках (MA)
Ненулевые сезонные коэффициенты MA в положительных задержках (SMA)
Коэффициенты регрессии (когда вы задаете X)
Параметры отклонения (скаляр для моделей постоянного отклонения, вектора из дополнительных параметров в противном случае)
Степени свободы (только инновационное распределение t)
Если какой-либо параметр, известный оптимизатору, имеет ограничение равенства, то соответствующая строка и столбец ковариационной матрицы отклонения имеет все нули.
