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)。另外，为了确认非球性的存在，您可以估计一个异方差和自相关一致(HAC)系数协方差矩阵，或者实现可行的广义最小二乘(FGLS)。有关HAC和FGLS估计器的更多细节，请参见时间序列回归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。
使用以下方法创建一个带有ARIMA错误的默认回归模型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:创建具有ARMA误差的回归模型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。
更改现有模型的各个方面。
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。
数据拟合模型
交互式地指定和估计一个具有ARMA误差的回归模型。
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．
拟合一个具有乘法ARIMA误差的回归模型估计．
转换之间的ARMAX和回归模型与ARMA误差。
采用赤池信息准则(AIC)对具有ARMA误差的回归模型进行非季节性自回归和移动平均滞后多项式度的选择。
使用纽威-韦斯特鲁棒标准误差绘制校正的置信带。
在估计HAC系数协方差时改变带宽，并比较不同带宽和核的估计。
使用具有ARIMA误差的回归模型、回归树包和贝叶斯线性回归来处理有影响的离群值。
导出变量到MATLAB®工作区，生成纯文本和实时函数，返回在应用程序会话中估计的模型，或生成一个报告，记录您在时间序列上的活动和计量模型模型会话中估计的模型。
生成模拟或脉冲响应
用ARMA误差模拟各种回归模型的观测结果。
模拟具有非平稳和指数误差的回归模型。
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测和模拟．
生成最小均方误差预测
使用ARIMA(3,1,2)误差预测回归模型预测和模拟．
利用乘数季节ARIMA模型进行预测预测．
预测具有ARIMA误差的回归模型，并检验模型的可预测性和稳健性。
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。
了解具有ARIMA误差的回归模型。
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。
学习如何选择一个合适的回归模型与ARIMA误差。
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。
了解如何使用许多模拟路径预测具有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:
