print

Класс: regARIMA

(Чтобы быть удаленным), Отображают результаты оценки для моделей регрессии с ошибками ARIMA

print будет удален в будущем релизе. Используйте summarize вместо этого.

Синтаксис

print(Mdl,ParamCov)

Описание

print(Mdl,ParamCov) оценки параметра отображений, стандартные погрешности и статистика t для подбиравшей модели регрессии с ошибками временных рядов ARIMA Mdl.

Входные параметры

развернуть все

Модель Regression с ошибками ARIMA в виде regARIMA модель возвращена regARIMA или estimate.

Ковариация отклонения ошибки расчета в виде числовой матрицы.

ParamCov квадратная матрица со строкой и столбцом для каждого параметра, известного оптимизатору что estimate использование, чтобы соответствовать Mdl. Известные параметры включают все параметры estimate оценки. Если вы задаете параметр, как зафиксировано во время оценки, то это - также известный параметр, и строки и столбцы, сопоставленные с ним, содержат 0s.

print не использует коэффициенты полиномов оператора задержки в задержках, исключенных из Mdl.

print заказывает параметры в ParamCov можно следующим образом:

  • Точка пересечения

  • Ненулевые коэффициенты AR в положительных задержках

  • Ненулевые коэффициенты РСА в положительных задержках

  • Ненулевые коэффициенты MA в положительных задержках

  • Ненулевые коэффициенты SMA в положительных задержках

  • Коэффициенты регрессии (когда Mdl содержит их),

  • Дисперсия

  • Степени свободы для t - распределение

Типы данных: double

Примеры

развернуть все

GDP регресса на CPI с помощью модели регрессии с ARMA (1,1) ошибки и печать результаты.

Загрузите США Макроэкономический набор данных и предварительно обработайте данные.

load Data_USEconModel;
logGDP = log(DataTable.GDP);
dlogGDP = diff(logGDP);
dCPI = diff(DataTable.CPIAUCSL);

Подбирайте модель к данным.

Mdl = regARIMA('ARLags',1,'MALags',1);
[EstMdl,EstParamCov] = estimate(Mdl,dlogGDP,'X',...
   dCPI,'Display','off');

Распечатайте оценки.

print(EstMdl,EstParamCov)
Warning: PRINT will be removed in a future release; use SUMMARIZE instead.
 
    Regression with ARIMA(1,0,1) Error Model:
    ------------------------------------------
    Conditional Probability Distribution: Gaussian

                                  Standard          t     
     Parameter       Value          Error       Statistic 
    -----------   -----------   ------------   -----------
    Intercept       0.014776    0.00146271        10.1018
        AR{1}       0.605274     0.0892902        6.77872
        MA{1}      -0.161651       0.10956       -1.47546
        Beta1     0.00204403   0.000706163        2.89456
     Variance    9.35782e-05   6.03135e-06        15.5153

Смотрите также

Объекты

Функции