修改regARIMA模型属性

修改属性使用点符号

开立真实脚本

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

$\begin{array}{rcl} ÿ_{Ť} & = & C + ü_{Ť} \\ （ 1 - φ_{1} 大号 - φ_{2} {大号}^{2} - φ_{3} {大号}^{3} ） {（ 1 - 大号）}^{d} ü_{Ť} & = & （ 1 + θ_{1} 大号 + θ_{2} {大号}^{2} ） ε_{Ť} 。 \end{array}$

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Q1。

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。

不可更改属性

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

也可以看看

估计|预测|regARIMA|模拟