超类:
创建具有ARIMA时间序列误差的回归模型
regARIMA
创建一个具有ARIMA时间序列误差的回归模型保持回归系数的敏感性。
默认情况下,时间序列误差(也称为无条件扰动)是独立的、同分布的、平均为0的高斯随机变量。如果错误具有自相关结构,那么您可以为它们指定模型。模型包括:
移动普通(MA)
自回归(AR)
混合自回归和移动平均(ARMA)
综合(Arima)
乘积季节(SARIMA)
指定包含已知系数的错误模型:
创建一个带有0 Arima错误的回归模型,没有回归系数。MDL.
= regARIMA
创建一个回归模型,其中包含由自动增加度的非季度线性时间序列建模的错误MDL.
= regARIMA (p
,D
,问
)p
,差分化程度D
,移动平均度问
.
使用一个或多个指定的附加选项创建带有ARIMA错误的回归模型MDL.
= regARIMA (名称,值
)名称,值
对论点。的名字
也可以是属性名称和价值
是相应的价值。的名字
必须出现在单引号内(''
)。您可以指定几个名称,值
将任意顺序的参数配对为name1,value1,...,namen,valuen
.
对于非季节性ARIMA误差的回归模型,使用p
,D
, 和问
.对于具有季节ARIMA误差的回归模型,使用名称,值
对论点。
|
误差模型的非季度,自回归多项式程度,指定为正整数。 |
|
错误模型的非季度集成度,指定为非负整数。 |
|
误差模型的非季节性、移动平均多项式度,指定为正整数。 |
指定可选的逗号分隔的对名称,值
参数。的名字
参数名和价值
是相应的价值。的名字
必须出现在引号内。您可以以任何顺序指定多个名称和值对参数name1,value1,...,namen,valuen
.
|
回归模型截距,指定为逗号分隔对组成 默认值: |
|||||||||||||
|
与预测器数据相关的回归模型系数,指定为逗号分隔对组成 默认值: |
|||||||||||||
|
误差模型的非季度自动评级系数,指定为逗号分隔对组成
的系数 默认值:细胞的向量 |
|||||||||||||
|
误差模型的非季节性、移动平均系数,指定为逗号分隔对组成
默认值:细胞的向量 |
|||||||||||||
|
与之相关的滞后 默认值:整数向量1,2,…,p,非季节性,自回归多项式次数。 |
|||||||||||||
|
与之相关的滞后 默认值:整数向量1,2,…,问中,非季节性移动平均多项式度。 |
|||||||||||||
|
错误模型的季节性自动评级系数,指定为逗号分隔的配对组成
的系数 默认值:细胞的向量 |
|||||||||||||
|
季节性,移动平均系数的错误模型,指定为逗号分隔的配对组成
的系数 默认值:细胞的向量 |
|||||||||||||
|
与之相关的滞后 默认值:整数向量1,2,…,p年代,季节自回归多项式次数。 |
|||||||||||||
|
与之相关的滞后 默认值:整数向量1,2,…,问年代,季节移动平均多项式次数。 |
|||||||||||||
|
误差模型的多项式(即非季度集成度)的非季度差异,指定为逗号分隔对 默认值: |
|||||||||||||
|
为误差模型的季节差多项式度,指定为逗号分隔对组成 默认值: |
|||||||||||||
|
模型创新的方差ε.t,指定为逗号分隔的对,由 默认值: |
|||||||||||||
|
条件概率分布的创新过程,指定为逗号分隔对组成
默认值: |
|||||||||||||
|
串标量或描述模型特征向量。默认情况下,这种说法描述了模型的参数形式,例如, |
指定与季节多项式相关的滞后SAR.
和SMA
在观测数据的周期性中,而不是作为季节性
参数。这个惯例不符合Box和Jenkins的标准[1]符号,但它是一种更灵活的融合季节性的方法。
|
对应于所述误差模型的稳定多项式非季节性,自回归系数的细胞载体。相关的滞后是1,2,…,p,它是非季节性的,自回归多项式次,或如 |
|
对应于预测器数据矩阵列的回归系数的真实矢量。 |
|
非负整数表示误差模型的非季度积分度。 |
|
字符串标量用于模型描述。 |
|
创新过程条件概率分布的数据结构。场 |
|
错误模型中的标量截距。 |
|
对应于误差模型的可逆多项式的非季度移动平均系数的细胞矢量。相关的滞后是1,2,…,问达到非季节性移动平均多项式的程度,或如 |
|
标量,该误差模型的化合物自回归多项式度。
|
|
标量,复合移动平均多项式次的误差模型。
|
|
细胞向量的季节自回归系数对应一个稳定的多项式的误差模型。相关的滞后是1,2,…,p年代,这是自回归季节性多项式的次数,或在指定 |
|
细胞向量的季节移动平均系数对应一个可逆多项式的误差模型。相关的滞后是1,2,…,问年代,即季节移动平均多项式次,或如 |
|
非负整数指示季节性差分多项式度误差模型。 |
|
模型创新的正标量方差。 |
华宇电脑 | 将有ARIMA误差的回归模型转换为ARIMAX模型 |
估计 | Arima错误估算回归模型的参数 |
过滤器 | 通过带ARIMA误差的回归模型对干扰进行滤波 |
预报 | 预测具有ARIMA误差的回归模型的响应 |
冲动 | 具有ARIMA误差的回归模型的脉冲响应 |
推断 | 利用ARIMA误差推断回归模型的创新之处 |
打印 | (待删除)显示具有ARIMA误差的回归模型的估计结果 |
模拟 | 具有ARIMA误差的蒙特卡罗模拟回归模型 |
总结 | 显示带有ARIMA误差的回归模型估计结果 |
价值。要了解值类如何影响复制操作,请参阅复制对象(matlab)。
[1]博克斯,g。e。P。g。m。Jenkins和g。c。Reinsel。时间序列分析:预测与控制.3版。恩格尔伍德悬崖,NJ: Prentice Hall, 1994。