总结

类:regARIMA

回归模型ARIMA错误显示估计结果

扩大所有页面

句法

总结（MDL）
结果=总结(Mdl)

描述

例

总结（Mdl）显示回归模型ARIMA错误的摘要Mdl。

  • 如果Mdl估计的模型是否由估计， 然后总结打印估计结果到MATLAB®命令窗口。该显示器包括一个估计总结和参数估计值的表与对应的标准误差，Ť统计数据,p- 值。估计摘要包括拟合统计，如赤池信息量准则（AIC），和估计的创新方差。

  • 如果Mdl是一种不可估量的模型由归国regARIMA， 然后总结打印标准对象显示（同显示器regARIMA模型创建过程中打印）。

例

结果=总结(Mdl）返回下列变量之一，并且不打印到命令窗口。

  • 如果Mdl是估计的模型，然后结果是一个包含估计结果的结构。

  • 如果Mdl是一个未估计的模型吗结果是regARIMA模型对象，它等于Mdl。

输入参数

展开全部

带有ARIMA误差的回归模型，指定为aregARIMA返回的模型对象估计或regARIMA。

输出参数

展开全部

模型概要，返回为结构阵列或regARIMA模型对象。

  • 如果Mdl是估计的模型，然后结果是一个结构数组，其中包含该表中的字段。

    领域 描述
    描述 模型概要描述（字符串）
    SampleSize 有效样本大小(数值标量)
    NumEstimatedParameters 估计参数个数(数值标量)
    LogLikelihood 优化的对数似然值(数值标量)
    AIC 赤池信息准则（数字标）
    BIC 贝叶斯信息准则(数字标量)
    表 模型参数的最大似然估计与相应的标准误差，Ť统计（估计除以标准误差），和p值(假设正常);具有与模型参数对应的行的表

  • 如果Mdl是一个未估计的模型吗结果是regARIMA模型对象，它等于Mdl。

例子

展开全部

打开生活的脚本

退步美国国内生产总值（GDP）到利用回归模型ARMA（1,1）错误美国消费者物价指数（CPI），总结的结果。

加载美国宏观经济数据集并对数据进行预处理。

加载Data_USEconModel;logGDP =日志（DataTable.GDP）;dlogGDP = DIFF（logGDP）;DCPI = DIFF（DataTable.CPIAUCSL）;

拟合模型的数据。

MDL = regARIMA（'ARLags'1，'MALags'1);EstMdl =估计（MDL，dlogGDP，'X'，DCPI，“显示”，“关”);

显示估计。

总结（EstMdl）
ARMA（1,1）错误模型（高斯分布），有效样本规模：248估计参数的数量：5对数似然：798.406 AIC：-1586.81 BIC：-1569.24价值StandardError的TStatistic P值__________ _____________ __________ __________拦截0.014776 0.0014627 10.102 5.4244e-24AR {1} 0.60527 0.08929 6.7787 1.2123e-11 MA {1} -0.16165 0.10956 -1.4755 0.14009β（1）0.002044 0.00070616 2.8946 0.0037969方差9.3578e-05 6.0314e-06 2.7339e 15.515-54
打开生活的脚本

通过将数据传递到估计几种模式估计。改变自回归移动平均度p和q,分别。估计结果包含AIC，您可以提取它，然后在模型之间进行比较。

对于回归模型ARMA误差模拟响应和预测数据：

ÿ Ť = 2 + X Ť [ - 2 1 。 五 ] + ü Ť ü Ť = 0 。 7 五 ü Ť - 1 - 0 。 五 ü Ť - 2 + ε Ť + 0 。 7 ε Ť - 1 ，

哪里 ε Ť 是高斯均值为0，方差为1。

Mdl0 = regARIMA（'截距'，2，“测试版”，[ -  2;1.5]，...'AR'，{0.75，-0.5}“马”,0.7,'方差'1);rng (2);%的再现性X = randn（1000,2）;％预测因素Y =模拟（Mdl0,1000，'X',X);

为了确定AR和MA滞后的数量，创建并估计多元回归模型与ARMA（p，q）错误。变化p= 1,. .3和q= 1,……，3 among the models. Suppress all estimation displays. Extract the AIC from the estimation results structure. The fieldAIC存储AIC。

PMAX = 3;QMAX = 3;AIC =零（PMAX，QMAX）;预分配％对于P = 1：PMAX对于Q = 1：QMAX MDL = regARIMA（P，0，Q）;EstMdl =估计（MDL，Y，'X'，X，“显示”，“关”);结果=总结(EstMdl);AIC (p, q) = results.AIC;结束结束

比较模型之间的AIC值。

minAIC = MIN（分钟（AIC））
minAIC = 2.9280e + 03
[bestP，bestQ] =查找（AIC == minAIC）
bestP = 2
bestQ = 1

最好的拟合模型是具有AR(2,1)误差的回归模型，因为其对应的AIC最小。该模型还具有用于模拟数据的模型的结构。

也可以看看

对象

功能

介绍了在R2018a

计量经济学工具箱文档
金宝app
实用指南建模金融风险与MATLAB

实用指南建模金融风险与MATLAB

下载电子书