К явным образом модели для последовательной корреляции в ряду воздействия, создайте модель регрессии с ошибками ARIMA (regARIMA объект модели). В качестве альтернативы, чтобы подтвердить присутствие nonsphericality, можно оценить heteroscedastic и автокорреляцию сопоставимая содействующая ковариационная матрица (HAC), или реализовать выполнимые обобщенные наименьшие квадраты (FGLS). Для получения дополнительной информации о HAC и средствах оценки FGLS, смотрите Регрессию Временных рядов X: Обобщенные Наименьшие квадраты и Средства оценки HAC.
Для условных средних инструментов модели, которые поддерживают создание модели ARIMA и анализ, см. Условные Средние Модели.
| Econometric Modeler | Анализируйте и смоделируйте эконометрические временные ряды |
Создайте модели регрессии с ошибками ARIMA
Создайте модели регрессии с авторегрессивными интегрированными ошибками скользящего среднего значения regARIMA или приложение Econometric Modeler.
Задайте модель регрессии по умолчанию с ошибками ARIMA
Создайте модель регрессии по умолчанию с ошибками ARIMA regARIMA.
Создайте модели регрессии с ошибками AR
Создайте модели регрессии с ошибками AR regARIMA.
Создайте модели регрессии с ошибками MA
Создайте модели регрессии с ошибками MA regARIMA.
Создайте модели регрессии с ошибками ARMA
Создайте модели регрессии с ошибками ARMA regARIMA или приложение Econometric Modeler.
Создайте модели регрессии с ошибками ARIMA
Создайте модели регрессии с ошибками ARIMA regARIMA.
Создайте модели регрессии с ошибками SARIMA
Создайте модели регрессии с ошибками SARIMA regARIMA.
Задайте ошибочное инновационное распределение модели ARIMA
Выберите между Гауссовым - или t-distributed инновации.
Задайте модель регрессии с ошибками SARIMA
Создайте модель регрессии с мультипликативными сезонными ошибками ARIMA.
Измените regARIMA Model Properties
Измените аспекты существующей модели.
Постройте импульсную характеристику модели регрессии с ошибками ARIMA
Постройте функции импульсной характеристики различных моделей регрессии с ошибками ARIMA.
Альтернативные представления модели ARIMA
Преобразуйте между ARMAX и моделями регрессии с ошибками ARMA.
Оцените модель регрессии с ошибками ARMA приложение Econometric Modeler
В интерактивном режиме задайте и оцените модель регрессии с ошибками ARMA.
Оцените модель регрессии с ошибками ARIMA
Оцените чувствительность Валового внутреннего продукта (ВВП) США к изменениям в Индексе потребительских цен (CPI) с помощью estimate.
Оцените модель регрессии с мультипликативными ошибками ARIMA
Подбирайте модель регрессии с мультипликативными ошибками ARIMA к данным с помощью estimate.
Альтернативные представления модели ARIMA
Преобразуйте между ARMAX и моделями регрессии с ошибками ARMA.
Выберите Lags for ARMA Error Model
Чтобы выбрать несезонное авторегрессивное и скользящее среднее значение изолируют полиномиальные степени для модели регрессии с ошибками ARMA, используют Критерий информации о Akaike (AIC).
Постройте полосу доверия Используя оценки HAC
Постройте откорректированные полосы доверия, использующие Newey-западные устойчивые стандартные погрешности.
Измените полосу пропускания средства оценки HAC
Измените полосу пропускания при оценке содействующей ковариации HAC и сравните оценки по различным полосам пропускания и ядрам.
Сравните устойчивые методы регрессии
Обратитесь к влиятельным выбросам с помощью моделей регрессии с ошибками ARIMA, мешками деревьев регрессии и Байесовой линейной регрессией.
Совместно используйте результаты сеанса приложения Econometric Modeler
Экспортируйте переменные в MATLAB® Рабочая область, сгенерируйте простой текст и live функции, которые возвращают модель, оцененную на сеансе приложения, или генерируют отчет, записывающий ваши действия на временных рядах и оцененных моделях на сеансе приложения Econometric Modeler.
Симулируйте модели регрессии с ошибками ARMA
Симулируйте наблюдения из различных моделей регрессии с ошибками ARMA.
Симулируйте модели регрессии с неустановившимися ошибками
Симулируйте модель регрессии с неустановившимися и экспоненциальными ошибками.
Симулируйте модели регрессии с мультипликативными сезонными ошибками
Симулируйте модель регрессии со стационарным и различием стационарные ошибки.
Предскажите модель регрессии с ошибками ARIMA
Предскажите модель регрессии с ARIMA (3,1,2) ошибки forecast и simulate.
Предскажите модель регрессии с ошибками ARIMA
Предскажите модель регрессии с ARIMA (3,1,2) ошибки forecast и simulate.
Предскажите модель регрессии с мультипликативными сезонными ошибками ARIMA
Предскажите мультипликативную сезонную модель ARIMA с помощью forecast.
Проверьте Прогнозирующую Робастность Способности regARIMA Модели
Предскажите модель регрессии с ошибками ARIMA и проверяйте 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 термины полинома оператора задержки для оценки модели временных рядов с помощью Econometric Modeler.
Импульсная характеристика моделей регрессии с ошибками ARIMA
Узнайте о функциях импульсной характеристики моделей регрессии с ошибками ARIMA.
Узнайте об инновациях, что показывают автокорреляцию и heteroscedasticity.
Модели регрессии с ошибками временных рядов
Узнайте о моделях регрессии с ошибками ARIMA.
Модели регрессии временных рядов
Задайте различные типы моделей регрессии временных рядов.
Начальные значения для regARIMA Оценки Модели
Узнать, как MATLAB использует начальные значения параметров во время оценки.
Прервите идентифицируемость в моделях регрессии с ошибками ARIMA
Узнайте об идентифицируемости точки пересечения в модели регрессии с ошибками ARIMA.
Выберите Regression Model with ARIMA Errors
Узнать, как выбрать соответствующую модель регрессии с ошибками ARIMA.
Оценка Наибольшего правдоподобия regARIMA Моделей
Узнайте об оценке наибольшего правдоподобия для моделей регрессии с ошибками ARIMA.
Настройки оптимизации для regARIMA Оценки Модели
Узнайте о настройках оптимизации для модели регрессии с ошибочной оценкой ARIMA.
Преддемонстрационные Значения для regARIMA Оценки Модели
Узнать, как MATLAB использует преддемонстрационные значения во время оценки.
Оценка Модели regARIMA Используя Ограничения равенства
Оцените модель регрессии с ошибками ARIMA с ограничениями равенства.
Симуляция Монте-Карло моделей регрессии с ошибками ARIMA
Узнайте о генерации независимых, случайных ничьих из модели регрессии с ошибками ARIMA.
Преддемонстрационные Данные для regARIMA Симуляции модели
Узнайте о преддемонстрационных данных, требуемых симулировать модель регрессии с ошибками ARIMA.
Переходные эффекты в regARIMA Симуляциях модели
Узнайте о том, как преддемонстрационные данные влияют на симулированный путь.
Прогнозирование Монте-Карло regARIMA Моделей
Узнайте о прогнозировании модели регрессии с ошибками ARIMA много симулированных путей.
MMSE прогнозирование моделей регрессии с ошибками ARIMA
Узнайте о минимальных прогнозах среднеквадратичной погрешности.