估计乘积ARIMA模型使用计量经济学建模应用程序 - MATLAB＆Simulink的金宝app

估计乘积ARIMA模型使用计量经济学建模应用

此示例示出了如何通过使用计量建模器应用程式来估计乘积季节ARIMA模型。数据集Data_Airline.mat包含飞机乘客的月数。

数据导入到计量建模

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。

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。

稳定系列

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。

变换的变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。

变换的变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。

测试零假设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）文献。

两个测试失败拒绝零假设，即该系列是一个单位根处理。

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标签。然后，在变换部分，点击区别。

变换的变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。

识别模型系列

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。
显示的ACF的第50个滞后。在ACF选项卡，设置滞后数至50。
点击地块选项卡，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模型适合于PSSGLog。

$（ 1 - 大号）（ 1 - {大号}^{12} ） ÿ_{Ť} = （ 1 + θ_{1} 大号）（ 1 + Θ_{12} {大号}^{12} ） ε_{Ť} 。$

关闭所有窗口身影。

指定并估算SARIMA模型

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，在楷模部分中，单击箭头>SARIMA。
在里面SARIMA模型参数对话框，在滞后阶标签：
- 非季节性部分
  1. 组集成度至1。
  2. 组移动平均订单至1。
  3. 清除包括常数项复选框。
- 时令的部分
  1. 组期至12指示月度数据。
  2. 组移动平均订单至1。
  3. 选择包括季节性的差异复选框。
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）文献。

结果包括：

模型拟合- 以时间序列图PSSGLog和从拟合值SARIMA_PSSGLog。
残差图- 残差的时间序列图SARIMA_PSSGLog。
参数- 的估计的参数的表SARIMA_PSSGLog。因为常数项举行估计期间固定为0，其价值和标准误差是0。
拟合优度- 的AIC和BIC拟合统计SARIMA_PSSGLog。

参考

[1]盒，G. E. P.，G. M.詹金斯，和G. 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。

也可以看看