自相关和异方差干扰
为了明确地对干扰序列中的序列相关性建模，创建一个具有ARIMA误差的回归模型(regARIMA模型对象）。或者，为了确认存在非特性性的存在，您可以估计异源和自相关 - 一致（HAC）系数协方差矩阵，或者实现可行的广义最小二乘（FGL）。有关HAC和FGLS估算器的更多详细信息，请参阅时间序列回归X：广义最小二乘和HAC估计。
有关支持ARIMA模型创建和分析的条件平均模型工具，请参见金宝app条件均值模型。
应用
| 经济型橱柜 | 分析和模型计量时间序列 |
职能
例子和如何做
创建模型
使用自回归综合移动平均误差创建回归模型regARIMA或econometricmodeler应用。
使用Arima错误使用Arima错误创建默认回归模型regARIMA。
使用:创建带有AR误差的回归模型regARIMA。
使用MA错误创建回归模型regARIMA。
使用ARMA错误创建回归模型regARIMA或econometricmodeler应用。
使用ARIMA错误创建回归模型regARIMA。
使用Sarima错误创建回归模型regARIMA。
选择高斯分布创新还是t分布创新。
创建一个带有乘数季节ARIMA误差的回归模型。
改变现有模型的方面。
绘制具有ARIMA误差的各种回归模型的脉冲响应函数。
转换之间的ARMAX和回归模型与ARMA误差。
适合数据
以arma误差交互地指定和估算回归模型。
使用该方法估计美国国内生产总值(GDP)对消费者价格指数(CPI)变化的敏感性估计。
拟合具有乘法Alima误差的回归模型与数据使用估计。
转换之间的ARMAX和回归模型与ARMA误差。
选择具有ARMA误差的回归模型的非季度自回归和移动平均滞后多项式度，请使用Akaike信息标准（AIC）。
绘图纠正了纽约西方强大标准错误的置信频段。
在估计HAC系数协方差时更改带宽，并比较多个带宽和内核的估计。
使用带有Arima错误的回归模型，回归树袋和贝叶斯线性回归来解决有影响力的异常值。
导出变量到MATLAB®工作区，生成纯文本和实时函数，可返回应用程序会话中估计的型号，或者在计量计量模型应用程序会话中生成在时间序列和估计模型上记录您的活动的报告。
生成模拟或脉冲响应
使用ARMA误差模拟各种回归模型的观察。
使用非标准和指数误差模拟回归模型。
模拟具有平稳误差和差分平稳误差的回归模型。
使用ARIMA(3,1,2)误差预测回归模型预报和模拟。
生成最小均方错误预测
使用ARIMA(3,1,2)误差预测回归模型预报和模拟。
预测乘法季节性Arima模型使用预报。
预测具有Arima错误的回归模型，并检查模型可预测性稳健性。
概念
econometricmodeler应用程序是一个可视化和分析单变量时间序列数据的交互式工具。
使用计量经济建模器为时间序列模型估计指定滞后算子多项式项。
学习具有ARIMA误差的回归模型的脉冲响应函数。
了解具有自相关和异方差的创新。
了解Arima错误的回归模型。
定义不同类型的时间序列回归模型。
了解MATLAB如何在估计期间使用初始参数值。
了解具有ARIMA误差的回归模型中的截距可识别性。
了解如何使用Arima错误选择适当的回归模型。
了解具有ARIMA误差的回归模型的最大似然估计。
了解使用ARIMA误差估计的回归模型的优化设置。
学习MATLAB如何在估计过程中使用前采样值。
估计具有相等约束的ARIMA误差回归模型。
了解如何从具有ARIMA误差的回归模型中生成独立的、随机的绘图。
了解模拟具有ARIMA误差的回归模型所需的前样例数据。
了解预样例数据如何影响模拟路径。
了解使用许多模拟路径预测Arima误差的回归模型。
了解最小均方误差预测。
你也可以从以下列表中选择一个网站:
