推断出
推断ARIMA或ARIMAX模型残差或条件方差
语法
(E, V) =推断(Mdl, Y)
[E, V, logL] =推断(Mdl, Y)
[E, V, logL] =推断(Mdl Y、名称、值)
描述
(推导单变量ARIMA模型的残差和条件方差与数据的拟合E,V)=推断(Mdl,Y)Y。
(另外返回loglikelihood目标函数值。E,V,logL)=推断(Mdl,Y)
[E, V, logL] =推断(Mdl Y推断ARIMA或ARIMAX模型残差和条件方差，并返回loglikelihood目标函数值，以及一个或多个指定的附加选项名称,值)名称,值对参数。
输入参数
输出参数
例子
推断出残差
从AR模型中推断残差。
使用已知参数指定AR(2)模型。
Mdl = arima (基于“增大化现实”技术的{0.5,-0.8},“不变”,0.002,...“方差”,0.8);
用102个观测值模拟响应数据。
rng“默认”;Y =模拟(Mdl, 102);
使用前两个响应作为预采样数据，并推断剩余的100个观察值。
E =推断(Mdl, Y(3:结束),“Y0”Y (1:2));图;情节(E);标题隐式残差的;
推断出条件方差
从AR(1)和GARCH(1,1)复合模型中推断条件方差。
使用已知参数指定AR(1)模型。设方差为agarch模型。
Mdl = arima (基于“增大化现实”技术的{0.8,-0.3},“不变”,0);MdlVar = garch (“不变”,0.0002,“四国”,0.6,...“拱”,0.2);Mdl。Variance = MdlVar;
用102个观测值模拟响应数据。
rng“默认”;Y =模拟(Mdl, 102);
在不使用预样本数据的情况下，推断最后100个观测值的条件方差。
(电子战,大众)=推断(Mdl Y(3:结束);
使用前两个观测值作为预样本数据，推断最后100个观测值的条件方差。
(E, V) =推断(Mdl Y(3:结束),“Y0”Y (1:2));
绘制两组条件方差以进行比较。检查最初的几个观察结果，看看在开始时这两个系列之间的细微差别。
图;次要情节(2,1,1);情节(大众,“r”,“线宽”2);持有在;情节(V);传奇(“没有Presample”,“与Presample”);标题推断条件方差的;持有从次要情节(2,1,2);情节(大众(1:5),“r”,“线宽”2);持有在;情节(V (1:5));传奇(“没有Presample”,“与Presample”);标题系列的开始;持有从
从ARMAX模型中推断残差
从ARMAX模型中推断残差。
使用响应的已知参数指定ARMA(1,2)模型(医学博士)和预测数据的AR(1)模型(MdlX)。
md = arima (基于“增大化现实”技术的,0.2,“马”{-0.1,0.6},“不变”,...1,“方差”2,“β”3);MdlX = arima (基于“增大化现实”技术的,0.3,“不变”0,“方差”1);
用102个观测值模拟响应和预测数据。
rng“默认”;%的再现性X =模拟(MdlX, 102);102年Y =模拟(医学博士,“X”,X);
使用前两个响应作为预采样数据，并推断剩余的100个观察值。
E =推断(医学博士,Y(3:结束),“Y0”Y (1:2),“X”,X);图;情节(E);标题隐式残差的;
参考文献
[1]盒，g.e. P.， g.m.詹金斯，和g.c. Reinsel。时间序列分析:预测与控制《恩格尔伍德悬崖》，新泽西:普伦蒂斯霍尔出版社，1994年版。
恩德斯[2],W。应用计量经济学时间序列。新泽西州霍博肯:约翰威利父子公司，1995年。
[3]汉密尔顿，j.d.。时间序列分析。普林斯顿:普林斯顿大学出版社，1994年。
你也可以从以下列表中选择一个网站:
