estimate метод для arima модели используют fmincon от Optimization Toolbox™, чтобы выполнить оценку наибольшего правдоподобия. Эта оптимизационная функция требует начальной буквы (или, начиная) значения, чтобы начать процесс оптимизации.
Если вы хотите задать свои собственные начальные значения, то используйте аргументы name-value. Например, задайте начальные значения для несезонных коэффициентов AR с помощью аргумента AR0 значения имени.
В качестве альтернативы можно позволить estimate выберите начальные значения по умолчанию. Начальные значения по умолчанию сгенерированы с помощью стандартных методов временных рядов. Если вы частично задаете начальные значения (то есть, задайте начальные значения для некоторых параметров), estimate соблюдает начальные значения, которые вы устанавливаете, и генерирует начальные значения по умолчанию для остающихся параметров.
Когда вы генерируете начальные значения, estimate осуществляет устойчивость и обратимость для всего AR и полиномов оператора задержки MA. Когда вы задаете начальные значения для AR и коэффициентов MA, это возможно тот estimate не может найти начальные значения для остающихся коэффициентов, которые удовлетворяют устойчивости и обратимости. В этом случае, estimate сохраняет заданные пользователями начальные значения и устанавливает остающиеся начальные содействующие значения к 0.
Эта таблица суммирует методы estimate использование, чтобы сгенерировать начальные значения по умолчанию. Программное обеспечение использует методы в этой таблице и основном наборе данных, чтобы сгенерировать начальные значения. Если вы задаете сезонное или несезонное интегрирование в модели, то estimate различия ряд ответа перед начальными значениями сгенерированы. Здесь, коэффициенты AR и коэффициенты MA включают и несезонный и сезонный AR и коэффициенты MA.
| Метод, чтобы сгенерировать начальные значения | |||
|---|---|---|---|
| Параметр | Существующие коэффициенты регрессии | Коэффициент регрессии, не существующий | |
| Условия MA не в модели | Коэффициенты AR | Обычные наименьшие квадраты (OLS) | OLS |
| Постоянный | Постоянный OLS | Постоянный OLS | |
| Коэффициенты регрессии | OLS | N/A | |
| Постоянное отклонение | Отклонение населения остаточных значений OLS | Отклонение населения остаточных значений OLS | |
| Условия MA в модели | Коэффициенты AR | OLS | Решите уравнения Уокера Рождества, как описано в Поле, Дженкинсе и Рейнселе [1]. |
| Постоянный | Постоянный OLS | Среднее значение отфильтрованного AR ряда (использующий начальные коэффициенты AR) | |
| Коэффициенты регрессии | OLS | N/A | |
| Постоянное отклонение | Отклонение населения остаточных значений OLS | Отклонение выведенного инновационного процесса (использующий начальные коэффициенты MA) | |
| Коэффициенты MA | Решите изменил уравнения Уокера Рождества, как описано в Поле, Дженкинсе и Рейнселе [1]. | ||
Для получения дополнительной информации, о как estimate инициализирует условные параметры модели отклонения, смотрите Начальные значения для Условной Оценки Модели Отклонения.
[1] Поле, G. E. P. Г. М. Дженкинс и Г. К. Рейнсель. Анализ Временных Рядов: Прогнозирование и Управление. 3-й редактор Englewood Cliffs, NJ: Prentice Hall, 1994.
