条件是模型
应用程序
| 计量经济学建模师 | 分析和模型计量时间序列 |
功能
例子和如何
创建模型
使用创建条件平均模型华宇电脑或者Econometric Modeler应用程序。
使用点表示法更改可修改的模型属性。
指定高斯或t分布创新过程，或方差过程的条件方差模型。
使用Econometric Modeler App指定创新分布
交互式地指定一个tARIMA模型的创新分布。
使用。创建平稳自回归模型华宇电脑或者Econometric Modeler应用程序。
创建可逆移动平均模型使用华宇电脑或者Econometric Modeler应用程序。
创建平稳和可逆的自回归移动平均模型华宇电脑或者Econometric Modeler应用程序。
创建自回归综合移动平均模型使用华宇电脑或者Econometric Modeler应用程序。
使用创建ARIMAX模型华宇电脑或者Econometric Modeler应用程序。
使用创建乘法ARIMA模型华宇电脑或者Econometric Modeler应用程序。
创建一个季节性的ARIMA模型。
创建一个复合条件均值和方差模型。
将模型与数据拟合
当你将一个时间序列模型与数据相匹配时，模型中的滞后项需要初始化，通常在样本的开始时进行观察。
使用计量模型应用程序实现Box-Jenkins模型选择和估计
交互式地执行Box-Jenkins方法，为条件平均模型选择适当的滞后次数。然后，将模型与数据拟合，并将估计的模型导出到命令行生成预测。
比较Box-Jenkins和ARIMA的估计。
使用信息标准选择ARMA模型。
交互式估计一个乘性季节性ARIMA模型。
估计一个倍增季节性ARIMA模型。
通过指定一个乘法模型或使用季节假人来估计一个季节性ARIMA模型。
使用Econometric Modeler App估计ARIMAX模型
交互式指定和估计一个ARIMAX模型。
估计一个复合条件平均和方差模型。
使用Econometric Modeler App执行ARIMA模型残留诊断
通过执行残差诊断将数据拟合到ARIMA模型后，交互式地评估模型假设。
从拟合的ARIMA模型推断残差。
导出变量到MATLAB®工作区，生成纯文本和实时函数，返回一个应用程序会话中估计的模型，或者生成一个报告，记录您在时间序列上的活动，并在一个Econometric Modeler应用程序会话中估计的模型。
产生模拟或脉冲响应
模拟平稳自回归模型和移动平均模型。
通过模拟说明趋势平稳过程和差异平稳过程的区别。
从季节乘性ARIMA模型模拟样本路径。
模拟响应和条件方差从一个复合条件均值和方差模型。
绘制单变量自回归移动平均模型的脉冲响应函数。
生成最小均方误差预测
使用Econometric Modeler App创建模型后比较预测性能
通过比较估计模型的AIC值，交互式地选择ARIMA模型的滞后。然后，将几个模型导出到命令行，比较它们的预测性能。
预测一个乘数季节性ARIMA模型。
评估AR模型预测的渐近收敛性，并比较使用前样本数据和不使用前样本数据的预测。
从一个复合条件均值和方差模型预测响应和条件方差。
通过计算MMSE预测或使用蒙特卡罗模拟来预测ARIMAX模型。
这个示例展示了如何将时间线划分为前采样期、估计期和预测期，并展示了如何提供适当数量的观测值来初始化一个用于估计和预测的动态模型。
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Econometric Modeler为时间序列模型估计指定滞后算子多项式项。
了解条件平均模型的特点和形式。
学习自回归模型。
学习移动平均模型。
学习自回归的移动平均模型。
学习自回归综合移动平均模型。
了解如何使用乘法ARIMA模型解决季节性和潜在的季节性单位根。
了解包含外生变量线性项的ARIMA模型。
学习如何对条件均值模型执行最大似然。
在估计过程中使用已知参数值约束模型。
指定样本数据来初始化模型。
指定用于估计的初始参数值。
通过指定备选优化选项解决评估问题。
了解蒙特卡罗模拟。
了解模拟的样品要求。
学习如何减少短暂的影响。
学习蒙特卡罗预测。
了解MMSE预测。
特色的例子
您也可以从以下列表中选择一个网站:
