这个例子展示了如何通过以下方式共享Econometric Modeler应用程序会话的结果:
将时间序列和模型变量导出到MATLAB®工作空间
生成应用程序外部使用的MATLAB纯文本和实时函数
根据时间序列和估计模型生成活动报告
在课程中,示例转换和绘制数据,运行统计测试,并估计乘法季节ARIMA模型。数据集Data_Airline.mat
包含航空公司乘客的每月计数。
在命令行中,加载Data_Airline.mat
数据集。
负载Data_Airline
在命令行中,打开计量经济学建模师应用程序。
econometricModeler
或者,从应用程序库中打开应用程序(请参见计量经济学建模师).
进口数据表
进入应用程序:
上计量经济学建模师选项卡,在进口部分,单击.
在导入数据对话框中的进口列中,选中数据表
变量
点击进口.
变量PSSG
出现在时间序列窗格中,其值将显示在预览窗格,其时间序列图将显示在时间序列图(PSSG)图形窗口。
该系列展示了季节趋势、序列相关性和可能的指数增长。有关序列相关性的交互分析,请参阅使用计量经济学建模器应用程序检测序列相关性.
通过将对数变换应用于PSSG
.
在时间序列窗格中,选择PSSG
.
上计量经济学建模师选项卡,在转换部分,单击日志.
转换变量PSSGLog
出现在时间序列窗格,其时间序列图将显示在时间序列图(PSSGLog)图形窗口。
指数增长似乎已从该系列中删除。
通过应用12阶季节性差异来处理季节性趋势PSSGLog
选择的时间序列窗格,在计量经济学建模师选项卡,在转换节,集季节性的到12
。然后,单击季节性的.
转换变量PSSGLogSeasonalDiff
出现在时间序列窗格,其时间序列图将显示在时间序列图(PSSGLogSeasonalDiff)图形窗口。
转换后的序列似乎有一个单位根。
检验无效假设,即PSSGLogSeasonalDiff
通过使用Augmented Dickey-Fuller测试获得单位根。指定替代是一个AR(0)模型,然后再次测试指定一个AR(1)模型。将显著性水平调整为0.025以保持总显著性水平0.05。
与PSSGLogSeasonalDiff
选择的时间序列窗格,在计量经济学建模师选项卡,在测验部分,单击新的测试>单位根检验.
上ADF选项卡,在参数节,集显著性水平到0.025
.
在测验部分,单击运行测试.
在参数节,集数量的滞后到1
.
在测验部分,单击运行测试.
测试结果显示在后果表的ADF(PSSGLogSeasonalDiff)文件
这两个测试都未能拒绝序列是单位根过程的无效假设。
对应用第一个差分来求单位根PSSGLogSeasonalDiff
具有PSSGLogSeasonalDiff
选择的时间序列窗格中,单击计量经济学建模师然后,在转换部分,单击区别.
转换变量PSSGLogSeasonalDiffDiff
出现在时间序列窗格,其时间序列图将显示在时间序列图(PSSGLogSeasonalDiffDiff)图形窗口。
在时间序列窗格中,重命名PSSGLogSeasonalDiffDiff
变量,单击两次以选择它的名称和PSSGStable
.
该应用程序更新与转换系列相关联的所有文档的名称。
通过绘制样本自相关函数(ACF)和偏自相关函数(PACF)来确定数据的条件平均模型的滞后结构。
与PSSGStable
选择的时间序列窗格中,单击阴谋选项卡,然后单击ACF.
在屏幕上显示ACF的前50个滞后ACF选项卡,设置数量的滞后到50
.
点击阴谋选项卡,然后单击PACF.
在屏幕上显示PACF的前50个滞后PACF选项卡,设置数量的滞后到50
.
拖动ACF(PSSGStable)图3:窗口上方的PACF(PSSGStable)图形窗口。
根据[1], ACF和PACF的自相关表明以下SARIMA(0,1,1)×(0,1,1)12模型适用于PSSGLog
.
关闭所有图形窗口。
指定SARIMA(0, 1, 1)×(0,1,1)12模型
在时间序列窗格中,选择PSSGLog
时间序列。
上计量经济学建模师选项卡,在模型部分中,单击箭头以显示模型库。
在模型陈列室,在ARMA / ARIMA模型部分,单击SARIMA.
在SARIMA模型参数对话框,位于滞后顺序选项卡:
季节性部分
集整合度到1
.
集移动平均订单到1
.
清除包括常数项复选框。
季节性的部分
集时期到12
指示每月数据。
集移动平均订单到1
.
选择包括季节性差异复选框。
点击估计.
模型变量萨里马·普斯格罗格
出现在模型窗格中,其值将显示在预览窗格,其估计摘要将显示在模型总结(SARIMA_PSSGLog)文件
出口PSSGLog
,PSSGStable
和萨里马·普斯格罗格
转到MATLAB工作区。
上计量经济学建模师选项卡,在出口部分,单击.
在导出变量对话框中,选择选择选择的复选框PSSGLog
和PSSGStable
时间序列,以及萨里马·普斯格罗格
模型(如有必要)。应用程序会自动选中在模型中突出显示的所有变量的复选框时间序列和模型窗格玻璃。
点击出口.
在命令行中,列出工作区中的所有变量。
谁
Name Size Bytes Class Attributes Data 144x1 1152 double DataTable 144x1 3192时间表Description 22x54 2376 char PSSGLog 144x1 1152 double PSSGStable 144x1 1152 double SARIMA_PSSGLog 1x1 7963 arima date 144x1 1152 double series 1x1 162 cell . txt . txt
内容Data_Airline.mat
,数字向量PSSGLog
和PSSGStable
,以及华宇电脑
模型对象萨里马·普斯格罗格
是工作区中的变量。
预测未来三年(36个月)的日志航空旅客计数使用萨里马·普斯格罗格
。指定PSSGLog
presample数据。
numObs=36;fPSSG=forecast(SARIMA_PSSGLog,numObs,“Y0”,PSSGLog);
绘制乘客数量和预测图。
fh=数据表时间(结束)+平静月(1:numObs);图形;绘图(数据表时间,exp(PSSGLog));保持在…上绘图(fh、exp(fPSSG));图例(“航空公司乘客计数”,“预测计数”,...“位置”,“最好的”)头衔(‘1949-1963年每月航空旅客人数’)伊拉贝尔(乘客数量的)持有关
生成一个用于应用程序外部的MATLAB函数。该函数返回估计的模型萨里马·普斯格罗格
鉴于数据表
.
在模型在应用程序的窗格中,选择萨里马·普斯格罗格
模型
上计量经济学建模师选项卡,在出口部分,单击出口>生成函数.MATLAB编辑器打开并包含一个名为modelTimeSeries
.函数接受数据表
(在此会话中导入的变量),转换数据,并返回估计的SARIMA(0,1,1)×(0,1,1)12模型萨里马·普斯格罗格
.
上编辑选项卡上,单击拯救>拯救.
通过单击将函数保存到当前文件夹中拯救在选择文件另存为对话框。
在命令行上,估计SARIMA(0,1,1)×(0,1,1)12路过模型数据表
到modelTimeSeries.m
.模型名称SARIMA_PSSGLog2
.将估计模型与萨里马·普斯格罗格
.
SARIMA_PSSGLog2=modeltimeries(DataTable);summary(SARIMA_PSSGLog)summary(SARIMA_PSSGLog2)
ARIMA(0,1,1)模型季节性与季节性MA(12)(高斯分布)的集成有效样本量:144估计参数数:3 LogLikelihood: 276.198 AIC: -546.397 BIC:-537.488 Value StandardError TStatistic PValue _________ _____________ __________ __________ Constant 00 NaN MA{1} -0.37716 0.066794 -5.6466 1.6364e-08 SMA{12} -0.57238 0.085439 -6.6992 2.09502 -11方差0.0012634 0.00012395 10.193 2.1406e-24 ARIMA(0,1,1)模型季节性集成季节性MA(12)(高斯分布)有效样本大小:144估计参数数:3 LogLikelihood: 276.198 AIC: -546.397 BIC: -537.488 Value StandardError TStatistic PValue _________ _____________ __________ __________ Constant 00 NaN NaN MA{1} -0.37716 0.066794 -5.6466 1.6364e-08 SMA{12} -0.57238 0.085439 -6.6992 2.09502 -11方差0.0012634 0.00012395 10.193 2.1406e-24
正如预期的那样,模型是相同的。
与纯文本函数不同,活动函数包含可使用活动编辑器修改的格式化文本和方程。
生成一个在应用程序外部使用的实时函数。该函数返回估计模型萨里马·普斯格罗格
鉴于数据表
.
在模型在应用程序的窗格中,选择萨里马·普斯格罗格
模型
上计量经济学建模师选项卡,在出口部分,单击出口>生成生活功能.Live Editor打开并包含一个名为modelTimeSeries
.函数接受数据表
(在此会话中导入的变量),转换数据,并返回估计的SARIMA(0,1,1)×(0,1,1)12模型萨里马·普斯格罗格
.
上现场编辑选项卡,在文件部分,单击拯救>拯救.
通过单击将函数保存到当前文件夹中拯救在选择文件另存为对话框。
在命令行上,估计SARIMA(0,1,1)×(0,1,1)12路过模型数据表
到modelTimeSeries.m
.模型名称SARIMA_PSSGLog2
.将估计模型与萨里马·普斯格罗格
.
SARIMA_PSSGLog2=modeltimeries(DataTable);summary(SARIMA_PSSGLog)summary(SARIMA_PSSGLog2)
1.1.1.1.1)1.1.1.1.1)1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1{12}-0.57238 0.085439-6.6992 2.0952e-11方差0.0012634 0.00012395 10.193 2.1406e-24 ARIMA(0,1,1)模型与季节MA(12)的季节整合(高斯分布)有效样本量:144个估计参数数:3个对数似然:276.198 AIC:-546.397 BIC:-537.488值标准误差统计PValue_uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu-0.57238 0.085439-6.6992 2.0952e-11方差0.0012634 0.00012395 10.193 2.1406e-24
正如预期的那样,模型是相同的。
生成一份PDF报告,说明您在上的所有操作PSSGLog
和PSSGStable
时间序列,以及萨里马·普斯格罗格
模型
上计量经济学建模师选项卡,在出口部分,单击出口>生成报告.
在为报告选择变量对话框中,选择选择选择的复选框PSSGLog
和PSSGStable
时间序列,以及萨里马·普斯格罗格
模型(如有必要)。应用程序会自动选中在模型中突出显示的所有变量的复选框时间序列和模型窗格玻璃。
点击好啊.
在选择要写入的文件对话框中,导航到C: \ MyData
文件夹
在文件名盒子,类型萨里玛报告
.
点击拯救.
应用程序发布创建所需的代码PSSGLog
,PSSGStable
和萨里马·普斯格罗格
在PDF中C:\MyData\SARIMAReport.pdf
。报告内容包括:
标题页和目录
包含选定时间序列的绘图
应用于所选时间序列的转换的描述
对选定时间序列进行的统计测试结果
所选模型的估计摘要
[1]Box, George E. P., Gwilym M. Jenkins,和Gregory C. Reinsel。时间序列分析:预测与控制.3版。恩格尔伍德悬崖,NJ: Prentice Hall, 1994。