估计
使用fmincon
从优化工具箱™来最小化负对数似然目标函数。fmincon
需要初始值(即起始值)来开始优化过程。
如果您想指定自己的初始值,那么使用名称-值对参数。例如,要为误差模型的非季节性AR系数的初始值指定0.1,请传递名称-值对参数“AR0”,0.1
成估计
.
默认情况下,估计
使用标准时间序列技术生成初值。如果部分指定初始值(即为某些参数指定初始值),估计
执行您设置的初始值,并为其余参数生成默认初始值。
估计
增强了误差模型的所有季节性和非季节性AR和MA滞后算子多项式的稳定性和可逆性。当你指定AR和MA系数的初始值时,有可能估计
不能找到满足稳定性和可逆性的剩余系数的初值。在这种情况下,估计
尊重初始值,并将其余初始系数值设置为0。
的方式估计
根据模型生成默认初始值。
如果模型包含回归组件和截距,则估计
进行普通最小二乘(OLS)。估计
将估算用于Beta0
和Intercept0
.然后,估计
利用回归模型推导出无条件扰动。估计
使用推断的无条件扰动和ARIMA误差模型来收集其他初始值。
如果模型不包含回归分量和截距,那么无条件扰动序列就是响应序列。估计
利用无条件扰动和ARIMA误差模型来收集其他初值。
此表总结了以下技术估计
用于收集剩余的初始值。
生成初始值的技术 | ||
---|---|---|
参数 | 误差模型不包含MA术语 | 误差模型包含MA术语 |
基于“增大化现实”技术 | OLS | 解出圣诞-沃克方程[1]. |
马 | N/A | 解出圣诞-沃克方程[1]. |
方差 | OLS残差的总体方差 | 推测创新过程的方差(使用初始MA系数) |
[1] Box, g.e.p, g.m. Jenkins和g.c. Reinsel。时间序列分析:预测与控制.第三版,Englewood Cliffs,新泽西:Prentice Hall, 1994。