如果您使用创建一个回归模型ARIMA错误regARIMA
,那么软件将值分配给它的所有属性。要更改这些属性值,你并不需要重建整个模型。您可以修改使用点符号现有模型的属性值。要访问属性,请键入型号名称,则属性名称,由分隔“|。|”(一段时间)。
指定回归模型ARIMA(3,1,2)误差
MDL = regARIMA(3,1,2);
利用单元阵列的符号来设定自回归和移动平均的参数值。
Mdl.AR = {0.2 0.1 0.05};Mdl.MA = {0.1 -0.05}
MDL = regARIMA具有属性:说明: “ARIMA(3,1,2)误差模型(高斯分布)” 分布:名称= “高斯” 截取:NaN的贝塔:[1×0],P:4 d:1 Q:2AR:{0.2 0.1 0.05}在滞后[1 2 3] SAR:{} MA:{0.1 -0.05}在滞后[1 2] SMA:{}方差:NaN的
使用点表示法来显示的自回归系数MDL
在命令窗口中。
ARCoeff = Mdl.AR
ARCoeff =1×3单元阵列{[0.2000]} {[0.1000]} {[0.0500]}
ARCoeff
是一个1×3单元阵列。每个,连续的单元格中包含的下一个自回归滞后。
您还可以添加更多的滞后系数。
Mdl.MA = {0.1 -0.05 0.01}
MDL = regARIMA具有属性:说明: “ARIMA(3,1,3)误差模型(高斯分布)” 分布:名称= “高斯” 截取:NaN的贝塔:[1×0],P:4 d:1 Q:3AR:{0.2 0.1 0.05}在滞后[1 2 3] SAR:{} MA:{0.1 -0.05 0.01}在滞后[1 2 3] SMA:{}方差:NaN的
默认情况下,该规范将新系数到下一个连续的滞后。添加的新系数增大Q
1。
您可以通过使用细胞索引指定滞系数到一个特定的滞后项。
Mdl.AR {12} = 0.01
MDL = regARIMA具有属性:说明: “ARIMA(12,1,3)误差模型(高斯分布)” 分布:名称= “高斯” 截取:NaN的贝塔:[1×0],P:13 d:1 Q:3AR:{0.2 0.1 0.05 0.01}在滞后[1 2 3 12] SAR:{} MA:{0.1 -0.05 0.01}在滞后[1 2 3] SMA:{}方差:NaN的
自回归系数0.01
位于第12滞后。属性P
增加到13采用新规范。
将创新分配到Ť与分配为NaN
自由程度。
分配比例=结构('名称','T',“自由度”大,NaN);Mdl.Distribution =分布
MDL = regARIMA具有属性:说明: “ARIMA(12,1,3)误差模型(t分布)” 分布:名称= “T”,自由度= NaN的截取:NaN的贝塔:[1×0],P:13 d:1 Q:3 AR:{0.2 0.1 0.05 0.01}在滞后[1 2 3 12] SAR:{} MA:{0.1 -0.05 0.01}在滞后[1 2 3] SMA:{}方差:NaN的
如果自由度
是为NaN
, 然后估计
估计自由度。对于其他任务,如模拟或预测模型,您必须指定一个值自由度
。
要指定回归系数,向量分配给属性Beta版
。
Mdl.Beta = [1;3;-5]
MDL = regARIMA与属性:描述: “回归与ARIMA(12,1,3)误差模型(t分布)” 分布:名称= “T”,自由度= NaN的截取:NaN的贝塔:[1 3 -5],P:13 d:1 Q:3 AR:{0.2 0.1 0.05 0.01}在滞后[1 2 3 12] SAR:{} MA:{0.1 -0.05 0.01}在滞后[1 2 3] SMA:{}方差:NaN的
如果您通过MDL
成估计
响应数据和三个预测变量序列,那么软件修复非| NaN的|在它们的值,并且估计参数截距
,方差
和自由度
。例如,如果你想从这个模型模拟数据,那么你必须指定方差
和自由度
。
一个并非所有属性regARIMA
模型是可以修改的。要直接更改,必须使用重新定义模型regARIMA
。不可改变的属性包括:
P
,这是自回归化合物多项式的次数。该软件确定P
从p,d,p小号和小号。有关标记法的详细信息,请参阅回归模型ARIMA时间序列错误。
Q
,这是移动平均度的化合物。该软件确定Q
从q和q小号
自由度
,这是具有模型自由度Ť- 分布式创新过程
虽然他们没有明确的属性,你不能重新分配或使用打印滞后结构ARLags
,MALags
,SARLags
, 要么SMALags
。通过这些和滞后结构成regARIMA
为名称 - 值对参数时指定的模式。
例如,使用指定回归模型ARIMA(4,1)的错误regARIMA
,其中所述自回归系数发生在滞后1和4。
MDL = regARIMA('ARLags'[1〜4],'MALags',1)
MDL = regARIMA具有属性:说明: “ARMA(4,1)误差模型(高斯分布)” 分布:名称= “高斯” 截取:NaN的贝塔:[1×0],P:4问:1 AR:{楠楠在}滞后[1 4] SAR:{} MA:{}的NaN在滞后[1] SMA:{}方差:NaN的
可以通过指定一个回归模型ARMA(1,1)的错误,则在第四滞后添加自回归系数产生相同的结果。
MDL = regARIMA(1,0,1);Mdl.AR {4} = NaN的
MDL = regARIMA具有属性:说明: “ARMA(4,1)误差模型(高斯分布)” 分布:名称= “高斯” 截取:NaN的贝塔:[1×0],P:4问:1 AR:{楠楠在}滞后[1 4] SAR:{} MA:{}的NaN在滞后[1] SMA:{}方差:NaN的
要改变的值自由度
,你必须定义一个新的结构,分布,使用点表示法将其传递到模型。例如,指定回归模型用具有AR(1)的误差Ť- 分布式创新。
MDL = regARIMA('AR',0.5%,'分配','T')
MDL = regARIMA具有属性:说明: “ARMA(1,0)误差模型(t分布)” 分布:名称= “T”,自由度= NaN的截取:NaN的贝塔:[1×0],P:1 Q:0 AR:{0.5}在延迟[1] SAR:{} MA:{} SMA:{}方差:NaN的
的价值自由度
是为NaN
默认。
指定的Ť分布具有10个自由度。
分配比例=结构('名称','T',“自由度”,10);Mdl.Distribution =分布
MDL = regARIMA具有属性:说明: “ARMA(1,0)误差模型(t分布)” 分布:名称= “T”,自由度= 10截距:NaN的贝塔:[1×0],P:1 Q:0 AR:{0.5}在延迟[1] SAR:{} MA:{} SMA:{}方差:NaN的