估计回归模型和ARMA使用计量经济学建模应用程序错误
这个例子显示了如何指定估计回归模型和ARMA错误使用计量经济学建模应用。数据集,这是存储在Data_USEconModel.mat,包含美国个人消费支出的季度衡量,等系列。
考虑建模美国个人消费支出(PCEC,在数十亿美元)的线性函数有效的联邦基金利率(FEDFUNDS),失业率(UNRATE),实际国内生产总值(gdp) (国内生产总值2000年,在数十亿美元的)。
将数据导入到计量经济学建模者
在命令行中,加载Data_USEconModel.mat数据集。
负载Data_USEconModel
将联邦基金和失业率从9到小数。
DataTimeTable。UNRATE= 0.01*DataTimeTable.UNRATE; DataTimeTable.FEDFUNDS = 0.01*DataTimeTable.FEDFUNDS;
名义GDP转换为实际GDP所有值除以GDP平减指数(GDPDEF100年)和扩展的结果。创建一个列DataTimeTable实际国内生产总值系列。
DataTimeTable。RealGDP= 100*DataTimeTable.GDP./DataTimeTable.GDPDEF;
在命令行,打开计量经济学建模师应用程序。
econometricModeler
另外,打开应用程序从应用程序画廊(见计量经济学建模师)。
进口DataTimeTable为应用程序:
在计量经济学建模师选项卡,进口部分,单击进口按钮
。在“导入数据”对话框中,在进口吗?列,选择的复选框
DataTimeTable变量。点击进口。
所有时间序列变量DataTimeTable出现在时间序列面板,一系列时间序列的情节出现在时间序列图(COE)图窗口。
情节系列
画出PCEC,RealGDP,FEDFUNDS,UNRATE系列不同的情节。
在时间序列面板,双击
PCEC。重复步骤1
RealGDP,FEDFUNDS,UNRATE。在右窗格中,拖动时间序列图(PCEC)图窗口顶部,占据了前两个象限。
拖动时间序列图(RealGDP)图窗口第一象限。
拖动时间序列图(UNRATE)第三象限图窗口。
的PCEC和RealGDP系列似乎一个指数的趋势。的UNRATE和FEDFUNDS系列似乎一个随机的趋势。
右键单击选项卡为任何图窗口,然后选择关闭所有关闭所有窗户。
评估系列之间的共线性
检查系列是否共线通过执行Belsley共线性诊断。
在时间序列窗格中,选择
PCEC。然后,按Ctrl然后单击选择RealGDP,FEDFUNDS,UNRATE。在计量经济学建模师选项卡,测试部分中,点击新的测试>Belsley共线性诊断。
出现在了Belsley共线性诊断结果共线性(FEDFUNDS)文档。
所有条件指数低于默认状态指数宽容,这是30。时间序列不共线。
指定和估计线性模型
指定一个线性模型中PCEC的反应,RealGDP,FEDFUNDS,UNRATE预测因子。
在时间序列窗格中,选择
PCEC。单击计量经济学建模师选项卡。然后,在模型部分,单击箭头显示模型的画廊。
在画廊,模型回归模型部分中,点击高钙。
在高模型参数对话框中,在预测部分中,选择包括什么?复选框的
FEDFUNDS,RealGDP,UNRATE时间序列。
点击估计。
模型变量MLR_PCEC出现在模型出现在窗格中,其价值预览面板,其评估总结出现在模型总结(MLR_PCEC)文档。
在模型总结(MLR_PCEC)图窗口中,残余情节表明的标准线性模型假设是违反了不相关的错误。残差出现autocorrelated,不稳定,可能是异方差的。
稳定的变量
稳定残差,稳定转化的反应和预测系列PCEC和RealGDP价格回报,通过应用第一个差别FEDFUNDS和UNRATE。
转换PCEC和RealGDP价格的回报:
在时间序列窗格中,选择
PCEC时间序列,然后按Ctrl并选择RealGDP时间序列。在计量经济学建模师选项卡,转换部分中,点击日志,然后单击Diff。
在时间序列窗格中,变量代表记录和差时间序列出现。
在时间序列窗格中,重命名
PCECLogDiff和RealGDPLogDiff。单击PCECLogDiff选择它的名称和输入变量的两倍PCECReturns。单击RealGDPLogDiff选择它的名称和输入变量的两倍RealGDPReturns。
第一个区别FEDFUNDS和UNRATE:
在时间序列窗格中,选择
FEDFUNDS时间序列,然后按Ctrl并选择UNRATE时间序列。在计量经济学建模师选项卡,转换部分中,点击区别。
在时间序列窗格中,变量表示时间序列的一阶差分出现。
关闭所有图窗口和文档。
Respecify和估计线性模型
Respecify线性模型,但使用稳定的系列。
在时间序列窗格中,选择
PCECReturns。在计量经济学建模师选项卡,模型部分,单击箭头显示模型的画廊。
在画廊,模型回归模型部分中,点击高钙。
在高模型参数对话框中,在预测部分中,选择包括什么?复选框的
FEDFUNDSDiff,RealGDPReturns,UNRATEDiff时间序列。点击估计。
模型变量MLR_PCECReturns出现在模型出现在窗格中,其价值预览面板,其评估总结出现在模型总结(MLR_PCECReturns)文档。
剩余autocorrelated情节表明残差。
检查线性模型的拟合优度
评估是否残差正态分布和autocorrelated生成quantile-quantile和ACF的情节。
创建一个quantile-quantile的情节MLR_PCECReturns模型残差:
在时间序列窗格中,选择
MLR_PCECReturns模型。在计量经济学建模师选项卡,诊断部分中,点击残留的诊断>剩余qq情节。
残差是向右倾斜。
情节的ACF残差:
在时间序列窗格中,选择
MLR_PCECReturns模型。在计量经济学建模师选项卡,诊断部分中,点击残留的诊断>自相关函数。
在ACF选项卡,设置数量的滞后来
40。
情节展示了自相关的34落后。
指定和估计回归模型和ARMA错误
试图补救通过指定一个回归模型残差的自相关与ARMA(1,1)错误PCECReturns。
在时间序列窗格中,选择
PCECReturns。单击计量经济学建模师选项卡。然后,在模型部分,单击箭头显示模型的画廊。
在画廊,模型回归模型部分中,点击RegARMA。
在regARMA模型参数对话框中:
在延迟订单标签:
集自回归秩序来
1。集移动平均线顺序来
1。
在预测部分中,选择包括什么?复选框的
FEDFUNDSDiff,RealGDPReturns,UNRATEDiff时间序列。
点击估计。
模型变量RegARMA_PCECReturns出现在模型出现在窗格中,其价值预览面板,其评估总结出现在模型总结(RegARMA_PCECReturns)文档。
的t统计数据表明,所有系数是重要的,除了系数UNRATEDiff。残差出现波动y没有自相关= 0。
检查错误ARMA模型的拟合优度
评估的残差是否RegARMA_PCECReturns模型通常是分布式和autocorrelated通过生成quantile-quantile和ACF的情节。
创建一个quantile-quantile的情节RegARMA_PCECReturns模型残差:
在模型窗格中,选择
RegARMA_PCECReturns模型。在计量经济学建模师选项卡,诊断部分中,点击残留的诊断>剩余qq情节。
残差出现近似正态分布。
情节的ACF残差:
在模型窗格中,选择
RegARMA_PCECReturns模型。在计量经济学建模师选项卡,诊断部分中,点击残留的诊断>自相关函数。
第一个自相关滞后是显著的。
从这里,你可以估计不同的多个模型的自回归和移动平均多项式订单数量错误ARMA模型。然后,选择最低的模型符合统计。或者,你可以检查模型的预测性能进行比较预测样本外数据。
