这个例子说明如何共享通过计量建模应用程序会话的结果:
出口时间序列和模型变量到MATLAB®工作区
MATLAB生成纯文本和直播功能的应用外使用
生成时间序列和模型估计您的活动报告
在会话期间,示例转换和绘制数据,运行统计测试,并估计一个乘法季节性ARIMA模型。数据集Data_Airline.mat
包含航空公司每月的乘客人数。
在命令行,加载Data_Airline.mat
数据集。
加载Data_Airline
在命令行中,开计量经济学建模应用程序。
econometricModeler
或者,打开从应用程式库的应用程序(见计量经济学建模)。
进口数据表
到应用程序:
在计量经济学建模选项卡,在进口部分,点击。
在里面导入数据对话框,在进口?列,选择复选框数据表
变量。
请点击进口。
的变量PSSG
出现在数据浏览器,其时间序列图显示在时间序列图(PSSG)数字窗口。
该系列呈现出季节性的趋势,序列相关,并可能呈指数增长。对于序列相关的交互分析,请参阅检测序列相关的使用计量经济学建模应用。
通过将日志转化为解决指数趋势PSSG
。
在里面数据浏览器, 选择PSSG
。
在计量经济学建模选项卡,在变换部分,点击日志。
转换后的变量PSSGLog
出现在数据浏览器,其时间序列图显示在时间序列图(PSSGLog)数字窗口。
该指数增长似乎是从该系列中删除。
通过应用12次季节差异解决当季潮流。同PSSGLog
在所选择的数据浏览器,在计量经济学建模选项卡,在变换部分,设置时令的至12
。然后,单击时令的。
转换后的变量PSSGLogSeasonalDiff
出现在数据浏览器,其时间序列图显示在时间序列图(PSSGLogSeasonalDiff)数字窗口。
变换的序列似乎有一个单位根。
检验零假设PSSGLogSeasonalDiff
具有通过使用扩张的Dickey-Fuller检定一个单位根。指定另一种方法是一个AR(0)模型,然后测试再次指定AR(1)模型。调整显着性水平0.025,以保持0.05的总显着性水平。
同PSSGLogSeasonalDiff
在所选择的数据浏览器,在计量经济学建模选项卡,在测试部分,点击新的测试>扩张的Dickey-Fuller检定。
在ADF选项卡,在参数部分,设置显着性水平至0.025
。
在里面测试部分,点击运行试验。
在里面参数部分,设置滞后数至1
。
在里面测试部分,点击运行试验。
测试结果显示在结果的表ADF (PSSGLogSeasonalDiff)文件。
这两个检验都不能拒绝原假设,即级数是一个单位根过程。
通过将第一差值以解决单元根PSSGLogSeasonalDiff
。同PSSGLogSeasonalDiff
在所选择的数据浏览器, 点击计量经济学建模选项卡。然后,在变换部分,点击区别。
转换后的变量PSSGLogSeasonalDiffDiff
出现在数据浏览器,其时间序列图显示在时间序列图(PSSGLogSeasonalDiffDiff)数字窗口。
重命名PSSGLogSeasonalDiffDiff
变量PSSGStable
:
在里面数据浏览器, 右键点击PSSGLogSeasonalDiffDiff
。
在上下文菜单中选择改名。
输入PSSGStable
。
该应用程序更新与改造系列相关的所有文档的名称。
通过绘制样品自相关函数(ACF)和局部自相关函数(PACF)确定数据的一个条件均值模型滞后结构。
同PSSGStable
在所选择的数据浏览器, 点击地块选项卡,然后单击ACF。
显示ACF的前50次滞后。在ACF选项卡,设置滞后数至50
。
单击地块选项卡,然后单击PACF。
显示PACF的第50个滞后。在PACF选项卡,设置滞后数至50
。
拖动ACF(PSSGStable)上图中窗口PACF(PSSGStable)数字窗口。
根据[1]在ACF和PACF自相关表明以下SARIMA(0,1,1)×(0,1,1)12模型适用于PSSGLog
。
关闭所有窗口身影。
指定SARIMA(0,1,1)×(0,1,1)12模型。
在里面数据浏览器,选择PSSGLog
时间序列。
在计量经济学建模选项卡,在楷模节中,单击箭头>SARIMA。
在里面SARIMA模型参数对话框,在延迟订单标签:
非季节性部分
组集成度至1
。
组移动平均订单至1
。
清除包括常数项复选框。
时令的部分
组期至12
指示月度数据。
组移动平均订单至1
。
选择包括季节性差异复选框。
请点击估计。
该模型变量SARIMA_PSSGLog
出现在数据浏览器,其估计总结出现在模型摘要(SARIMA_PSSGLog)文件。
出口PSSGLog
,PSSGStable
和SARIMA_PSSGLog
到MATLAB工作区。
在计量经济学建模选项卡,在出口部分,点击。
在里面出口变量对话框中,选择选择复选框的PSSGLog
和PSSGStable
时间序列,以及SARIMA_PSSGLog
模型(如有必要)。该应用程序会自动选择复选框被突出显示的所有变量数据浏览器。
请点击出口。
在命令行中,列出工作区中的所有变量。
谁是
名称大小字节类属性数据144x1 1152双DataTable的144x1 3192时间表说明22x54 2376字符PSSGLog 144x1 1152双PSSGStable 144x1 1152双SARIMA_PSSGLog 1x1的7963华宇日期144x1 1152双系列的1x1 162细胞
内容Data_Airline.mat
时,数值向量PSSGLog
和PSSGStable
,估计华宇
模型对象SARIMA_PSSGLog
在工作区中的变量。
预测未来三年使用日志航线旅客数(36个月)SARIMA_PSSGLog
。指定PSSGLog
作为样品前的数据。
numObs = 36;fPSSG =预测(SARIMA_PSSGLog numObs,'Y0', PSSGLog);
画出乘客计数和预测。
FH = DataTable.Time(结束)+ calmonths(1:numObs);数字;情节(DataTable.Time,实验值(PSSGLog));保持上情节(fh exp (fPSSG));传奇(“航空公司乘客计数”,的预测数量,...'位置','最好')标题(“每月航空公司乘客计数,1949年至1963年”)ylabel(“乘客计数”)保持离
生成的应用程序之外使用MATLAB功能。该函数返回估计的模型SARIMA_PSSGLog
特定数据表
。
在里面数据浏览器,选择SARIMA_PSSGLog
模型。
在计量经济学建模选项卡,在出口部分,点击出口>生成功能。在MATLAB编辑器打开,并包含一个名为功能modelTimeSeries
。该函数接受数据表
(变量你在此会话进口),变换数据,并返回所估计的SARIMA(0,1,1)×(0,1,1)12模型SARIMA_PSSGLog
。
在编辑选项卡,单击救>救。
功能保存通过点击当前文件夹救在选择文件另存为对话框。
在命令行,估计SARIMA(0,1,1)×(0,1,1)12模型通过传球数据表
至modelTimeSeries.m
。命名模型SARIMA_PSSGLog2
。比较估算模型SARIMA_PSSGLog
。
SARIMA_PSSGLog2 = modelTimeSeries(数据表);总结(SARIMA_PSSGLog)总结(SARIMA_PSSGLog2)
ARIMA(0,1,1)模型季节性集成为季节性MA(12)(高斯分布)有效样本规模:144估计的参数数量:3对数似然:276.198 AIC:-546.397 BIC:-537.488值StandardError的TStatistic p值_________ _____________ ____________________常数0 0楠楠MA {1} -0.37716 0.066794 -5.6466 1.6364e-08 SMA {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)模型季节性集成与季节性MA(12)(高斯分布)有效样本规模:144估计的参数数量:3对数似然:276.198 AIC:-546.397 BIC:-537.488值StandardError的TStatistic p值_________ _____________ __________ __________常数0 0楠楠MA {1}-0.37716 0.066794 -5.6466 1.6364e-08 SMA {12} -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,该机型是相同的。
不像一个纯文本的功能,实况功能包含格式的文本和公式,你可以使用Live编辑器修改。
生成的应用程序之外使用实况功能。该函数返回估计的模型SARIMA_PSSGLog
特定数据表
。
在里面数据浏览器,选择SARIMA_PSSGLog
模型。
在计量经济学建模选项卡,在出口部分,点击出口>产生肝功能。实时编辑器打开,并包含一个名为功能modelTimeSeries
。该函数接受数据表
(变量你在此会话进口),变换数据,并返回所估计的SARIMA(0,1,1)×(0,1,1)12模型SARIMA_PSSGLog
。
在现场编辑器选项卡,在文件部分,点击救>救。
功能保存通过点击当前文件夹救在选择文件另存为对话框。
在命令行,估计SARIMA(0,1,1)×(0,1,1)12模型通过传球数据表
至modelTimeSeries.m
。命名模型SARIMA_PSSGLog2
。比较估算模型SARIMA_PSSGLog
。
SARIMA_PSSGLog2 = modelTimeSeries(数据表);总结(SARIMA_PSSGLog)总结(SARIMA_PSSGLog2)
ARIMA(0,1,1)模型季节性集成为季节性MA(12)(高斯分布)有效样本规模:144估计的参数数量:3对数似然:276.198 AIC:-546.397 BIC:-537.488值StandardError的TStatistic p值_________ _____________ ____________________常数0 0 NaN的MA {1} -0.37716 0.066794 -5.6466 1.6364e-08 SMA {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)型号季节性集成为季节性MA(12)(高斯分布)有效样本规模:144号估计的参数:3对数似然:276.198 AIC:-546.397 BIC:-537.488值StandardError的TStatistic p值_________ _____________ __________ __________常数0 0楠楠MA {1} -0.37716 0.066794 -5.6466 1.6364e-08 SMA {12} -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,该机型是相同的。
生成一个PDF报告,您的所有行动PSSGLog
和PSSGStable
时间序列,以及SARIMA_PSSGLog
模型。
在计量经济学建模选项卡,在出口部分,点击出口>生成报告。
在里面为报表选择变量对话框中,选择选择复选框的PSSGLog
和PSSGStable
时间序列,以及SARIMA_PSSGLog
模型(如有必要)。该应用程序会自动选择复选框被突出显示的所有变量数据浏览器。
请点击好。
在里面选择要写入的文件对话框中,导航到C:\ MyData的
夹。
在里面文件名框中,键入SARIMAReport
。
请点击救。
应用程序发布创建所需的代码PSSGLog
,PSSGStable
和SARIMA_PSSGLog
在PDFC:\ MyData的\ SARIMAReport.pdf
。该报告包括:
标题页和目录
地块包括所选择的时间序列
变换的说明应用到选定的时间序列
对所选时间序列进行统计检验的结果
所选择的模型估算摘要
[1]盒,乔治E. P.,阿普·奎林M.詹金斯,和Gregory C.赖因泽尔。时间序列分析:预测与控制。第3版。新泽西州Englewood Cliffs:Prentice Hall出版社,1994年。