推断出
类:regARIMA
用ARIMA误差推断回归模型的创新
语法
E =推断(Mdl,Y)
[E,U,V,logL] =推断(Mdl,Y)
[E,U,V,logL] = infer(Mdl,Y,Name,Value)
描述
用ARIMA时间序列误差拟合响应数据,推断单变量回归模型的残差E
=推断(Mdl
,Y
)Y
.
输入参数
Y
- - - - - -响应数据
数值列向量|数字矩阵
响应数据,指定为数值列向量或数值矩阵。如果Y
是矩阵,那么它有numObs
观察和numPaths
行。
推断出
的残差(估计创新)和无条件扰动Y
.Y
表示以为特征的时间序列Mdl
,是预样系列的延续Y0
.
如果
Y
是一个列向量,那么它表示底层序列的一条路径。如果
Y
是矩阵,那么它表示什么numObs
的观察numPaths
底层时间序列路径。
推断出
假设对任意行的观察同时发生。任何系列的最后观测都是最新的。
数据类型:双
名称-值参数
指定可选参数对为Name1 = Value1,…,以=家
,在那里的名字
参数名称和价值
对应的值。名称-值参数必须出现在其他参数之后,但对的顺序无关紧要。
在R2021a之前,使用逗号分隔每个名称和值,并将其括起来的名字
在报价。
E0
- - - - - -Presample创新
数值列向量|数字矩阵
预采样创新,其均值为0,并为ARIMA错误模型提供初始值,指定为逗号分隔的对,由“E0”
和一个数值列向量或数值矩阵。
如果
E0
是列向量,则将其应用于每个推断路径。如果
E0
是矩阵,那么它至少需要什么numPaths
列。如果E0
那么,包含的列比所需的多推断出
使用第一个numPaths
列。E0
必须包含至少Mdl。问
行。如果E0
因此,包含额外的行推断出
采用最新的样品创新。最后一行是最新的样品创新。
默认情况下,推断出
将必要的观察值设置为0。
数据类型:双
情况
- - - - - -前置无条件扰动
数值列向量|数字矩阵
预采样为ARIMA错误模型提供初始值的无条件扰动,指定为由逗号分隔的对组成的“情况”
和一个数值列向量或数值矩阵。
如果
情况
是列向量,则将其应用于每个推断路径。如果
情况
是矩阵,那么它至少需要什么numPaths
列。如果情况
那么,包含的列比所需的多推断出
使用第一个numPaths
列。情况
必须包含至少Mdl。P
行。如果情况
因此,包含额外的行推断出
使用最新的预采样无条件扰动。最后一行包含最新的预采样无条件扰动。
默认情况下,推断出
对必要的前置无条件扰动进行反推。
数据类型:双
X
- - - - - -预测数据
数字矩阵
回归模型中的预测器数据,指定为由逗号分隔的对组成“X”
和一个数字矩阵。
的列X
是独立的同步时间序列,最后一行包含最新的观察结果。的行数X
应该至少是的长度Y
.的行数X
超过了所需的数量推断出
使用最新的观察结果。
默认情况下,推断出
是否在模型中不包括回归组件,而不管回归系数的存在Mdl
.
数据类型:双
笔记
南
年代Y
,X
,E0
,情况
指示缺失的值和推断出
删除它们。该软件合并预样本数据集(E0
而且情况
),然后使用按列表删除删除任何南
年代。推断出
同样删除南
S从有效样本数据(X
而且Y
).删除南
数据中的S减少了样本量,也可以创建不规则的时间序列。推断出
假设同步预采样数据,使每个预采样系列的最新观测同时发生。中的所有预测符(即列
X
)与中的每个响应路径相关联Y
.V
等于in的方差Mdl
.
输出参数
例子
从带有ARIMA误差的回归模型中推断残差
在30个周期范围内,使用ARMA(2,1)误差的以下回归模型预测响应:
在哪里 为方差为0.1的高斯分布。
指定带有ARIMA误差的回归模型。模拟来自模型和两个预测器系列的响应。
Mdl = regARIMA(“拦截”0,基于“增大化现实”技术的, {0.5 -0.8},...“马”, -0.5,“β”(0.1 - -0.2),“方差”, 0.1);rng (1);%用于再现性X = randn(100,2);y =模拟(Mdl,100,“X”, X);
推断,然后画残差。默认情况下,推断出
对必要的前置无条件扰动进行反推。
e = infer(Mdl,y,“X”, X);图表(e)标题(隐式残差的)
将GDP回归到CPI并检查残差
使用ARMA(1,1)误差的回归模型将log GDP回归到CPI上,然后检查残差。
加载美国宏观经济数据集并对数据进行预处理。
负载Data_USEconModel;logGDP = log(dattable . gdp);logGDP = diff(logGDP);%表示平稳dCPI = diff(DataTable.CPIAUCSL);%表示平稳T = length(dlogGDP);有效样本量%
拟合误差为ARMA(1,1)的回归模型。
Mdl = regARIMA(1,0,1);EstMdl =估计(Mdl,dlogGDP,“X”3);
用ARMA(1,1)误差模型(高斯分布)回归:Value StandardError TStatistic PValue __________ _____________ __________ __________ Intercept 0.014776 0.0014627 10.102 5.4243e-24 AR{1} 0.60527 0.08929 6.7787 1.2123e-11 MA{1} -0.16165 0.10956 -1.4755 0.14009 Beta(1) 0.002044 0.00070616 2.8946 0.0037969方差9.3578e-05 6.0314e-06 15.515 2.7338e-54
推断所有观测值的残差。默认情况下,推断出
对必要的无条件扰动进行回退。
e = infer(EstMdl,dlogGDP,“X”3);
画出推断的残差。
图(1:T,e,[1 T],[0 0],“r”)标题(“{\bf推断残差}”)
残差以0为中心,但显示异方差的迹象。
参考文献
[1]博克斯,g.e.p, g.m.詹金斯,g.c.赖塞尔。时间序列分析:预测与控制.恩格尔伍德悬崖,新泽西州:普伦蒂斯大厅,1994年。
[2]戴维森R.和J. G.麦金农。计量经济学理论与方法“,.英国牛津:牛津大学出版社,2004年。
恩德斯,W。应用计量经济学时间序列.霍博肯,新泽西州:约翰·威利父子公司,1995年。
[4] j.d.汉密尔顿时间序列分析.普林斯顿,新泽西州:普林斯顿大学出版社,1994。
Pankratz, A。动态回归模型预测。约翰·威利父子公司,1991年。
[6]蔡瑞。财务时间序列分析.第二版。霍博肯,新泽西州:约翰威利父子公司,2005年。
MATLAB命令
你点击了一个对应于这个MATLAB命令的链接:
在MATLAB命令窗口中输入该命令来运行该命令。Web浏览器不支持MATLAB命令。金宝app
您也可以从以下列表中选择一个网站:
如何获得最佳的网站性能
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。