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
创建条件平均模型使用华宇电脑或econometricmodeler应用。
使用点符号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。
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econometricmodeler应用。
创建可逆移动平均模型使用华宇电脑或econometricmodeler应用。
使用创建平稳和可逆自回归移动平均模型华宇电脑或econometricmodeler应用。
创建自回归综合移动平均模型使用华宇电脑或econometricmodeler应用。
创建ARIMAX模型使用华宇电脑或econometricmodeler应用。
创建乘法ARIMA模型使用华宇电脑或econometricmodeler应用。
创建一个季节性ARIMA模型。
创建一个复合条件均值和方差模型。
数据拟合模型
当您将时间序列模型与数据拟合时，模型中的滞后项需要初始化，通常在样本开始时进行观察。
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，将模型与数据进行拟合，并将估计模型导出到命令行以生成预测。
比较Box-Jenkins和ARIMA估计。
使用信息准则选择ARMA模型。
交互式估计一个倍增季节性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性假人来估计一个季节性ARIMA模型。
交互式地指定和估计一个ARIMAX模型。
估计一个复合条件平均和方差模型。
交互式评估模型假设后，数据拟合到ARIMA模型通过执行残差诊断。
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
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和差异平稳过程的区别。
利用倍增季节性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平均值和方差模型。
绘制各种模型的脉冲响应函数。
生成最小均方误差预测
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，以比较它们的预测性能。
预测一个乘数季节ARIMA模型。
评估来自AR模型的预测的渐近收敛性，并比较使用和不使用前样本数据的预测。
预测响应和条件方差从一个复合条件均值和方差模型。
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轴划分为预采样、估计和预测周期，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。
了解条件平均模型的特征和形式。
学习自回归模型。
学习移动平均模型。
学习自回归、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模型处理季节性和潜在的季节性单位根。
了解包含外生变量线性术语的ARIMA模型。
了解条件平均模型的最大似然性是如何实现的。
在使用已知参数值进行估计时约束模型。
指定初始化模型的预样例数据。
指定用于估计的初始参数值。
通过指定可选的优化选项来排除评估问题。
了解蒙特卡罗模拟。
了解模拟的前样要求。
学习如何最小化瞬态效应。
了解蒙特卡罗预测。
学习脉冲响应函数。
了解MMSE预测。
相关信息
特色的例子
你也可以从以下列表中选择一个网站:
