这个例子说明如何共享通过计量建模应用程序会话的结果:
将时间序列和模型变量导出到MATLAB®工作区
生成MATLAB纯文本和实时函数以在应用外部使用
生成时间序列和模型估计您的活动报告
在会话期间,示例转换和绘图数据运行统计测试,并估计乘法季节性ARIMA模型。数据集data_airline.mat.
包含每月的航空公司乘客计数。
在命令行,加载data_airline.mat.
数据集。
加载Data_Airline
在命令行,打开经济型橱柜应用程序。
COMOLOMETRICMODELER.
或者,从Apps Gallery打开应用程序(参见经济型橱柜)。
进口数据可图
进入应用程序:
在这一点经济型橱柜标签,在进口部分,点击。
在里面导入数据对话框,在进口?列,选择复选框数据可图
多变的。
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)图窗口。
该系列呈现出季节性趋势,串行相关性和可能的指数增长。对于串行相关的互动分析,请参阅使用计量计量模型应用程序检测串行相关性。
通过将日志转换应用于来解决指数趋势Pssg.
。
在里面数据浏览器, 选择Pssg.
。
在这一点经济型橱柜标签,在转变部分,点击日志。
变换变量pssglog.
出现在数据浏览器,其时间序列图显示在时间序列图(PSSGLog)图窗口。
指数增长似乎从系列中取出。
通过应用第12次季节差异来解决季节趋势。和pssglog.
在所选择的数据浏览器,在这方面经济型橱柜标签,在转变部分,集季节性的到12.
。然后,点击季节性的。
变换变量pssglogseasonaldiff
出现在数据浏览器,其时间序列图显示在时间序列图(PSSGLogSeasonalDiff)图窗口。
转换系列似乎有一个单位根。
检验零假设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。
和pssglogseasonaldiff
在所选择的数据浏览器,在这方面经济型橱柜标签,在测试部分,点击新的测试>增强DICKEY-FULLER测试。
在这一点adf.标签,在参数部分,集显着性水平到0.025
。
在里面测试部分,点击运行测试。
在里面参数部分,集滞后数到1
。
在里面测试部分,点击运行测试。
测试结果显示在结果的表adf(pssglogseasonaldiff)文档。
两个测试都无法拒绝零假设,即该系列是单位根过程。
通过将第一差值以解决单元根pssglogseasonaldiff
。和pssglogseasonaldiff
在所选择的数据浏览器, 点击经济型橱柜选项卡。然后,在转变部分,点击区别。
变换变量PSSGLogSeasonalDiffDiff
出现在数据浏览器,其时间序列图显示在时间序列图(PSSGLogSeasonalDiffDiff)图窗口。
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。
进入pssgstable.
。
该应用程序更新与改造系列相关的所有文档的名称。
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。
和pssgstable.
在所选择的数据浏览器, 点击绘图选项卡,然后单击ACF。
显示ACF的前50个滞后。在这一点ACF选项卡,设置滞后数到50.
。
点击绘图选项卡,然后单击PACF.。
显示PACF的前50次滞后。在这一点PACF.选项卡,设置滞后数到50.
。
拖着ACF(PSSGstable)图窗口上方PACF(PSSGstable)图窗口。
根据[1]在ACF和PACF自相关表明以下SARIMA(0,1,1)×(0,1,1)12.模型是合适的pssglog.
。
关闭所有窗口身影。
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。
在这一点经济型橱柜标签,在楷模部分,单击箭头>Sarima.。
在里面SARIMA模型参数对话框,在滞后顺序标签:
非季节性部分
放集成度到1
。
放移动平均订单到1
。
清除包括常数术语复选框。
季节性的部分
放时期到12.
指示月度数据。
放移动平均订单到1
。
选择包括季节性差异复选框。
点击估计。
该模型变量SARIMA_PSSGLog
出现在数据浏览器,它的估计摘要出现在模型摘要(SARIMA_PSSGLog)文档。
出口pssglog.
那pssgstable.
, 和SARIMA_PSSGLog
到Matlab工作区。
在这一点经济型橱柜标签,在出口部分,点击。
在里面导出变量对话框,选择选择复选框pssglog.
和pssgstable.
时间序列,和SARIMA_PSSGLog
模型(如有必要)。该应用程序会自动选择突出显示的所有变量的复选框数据浏览器。
点击出口。
在命令行,列出工作区中的所有变量。
谁是
名称大小字节类属性数据144x1 1152双DataTable的144x1 3192时间表说明22x54 2376字符PSSGLog 144x1 1152双PSSGStable 144x1 1152双SARIMA_PSSGLog 1x1的7963华宇日期144x1 1152双系列的1x1 162细胞
内容data_airline.mat.
,数字向量pssglog.
和pssgstable.
,估计阿玛玛
模型对象SARIMA_PSSGLog
在工作区中的变量。
预测未来三年使用日志航线旅客数(36个月)SARIMA_PSSGLog
。指定pssglog.
作为样品前的数据。
numObs = 36;fPSSG =预测(SARIMA_PSSGLog numObs,'y0',pssglog);
画出乘客计数和预测。
fh = DataTable.time(结束)+ Calmonths(1:numobs);数字;绘图(DataTable.time,Exp(PSSGLOG));抓住在情节(fh exp (fPSSG));传奇('航空公司乘客计数'那'预测计数'那......'地点'那'最好的事物') 标题('每月航空公司客运数,1949-1963')ylabel(“乘客计数”) 抓住离开
生成MATLAB功能以在应用外部使用。该函数返回估计的模型SARIMA_PSSGLog
给予数据可图
。
在里面数据浏览器应用程序,选择SARIMA_PSSGLog
模型。
在这一点经济型橱柜标签,在出口部分,点击出口>生成功能。在MATLAB编辑器打开,并包含一个名为功能modelTimeSeries
。该功能接受数据可图
(在本次会话中导入的变量),转换数据,返回估计的Sarima(0,1,1)×(0,1,1)12.模型SARIMA_PSSGLog
。
在这一点编辑选项卡,单击节省>节省。
功能保存通过点击当前文件夹节省在里面选择文件另存为对话框。
在命令行,估计Sarima(0,1,1)×(0,1,1)12.模型通过数据可图
到modeltimeseries.m.
。命名模型sarima_pssglog2.
。比较估计的模型SARIMA_PSSGLog
。
SARIMA_PSSGLog2 = modelTimeSeries(数据表);总结(SARIMA_PSSGLog)总结(SARIMA_PSSGLog2)
ARIMA(0,1,1)模型季节性集成为季节性MA(12)(高斯分布)有效样本规模:144估计的参数数量:3对数似然:276.198 AIC:-546.397 BIC:-537.488值StandardError的TStatistic p值_________ _____________ ____________________常数0 0楠楠MA {1} -0.37716 0.066794 -5.6466 1.6364e-08 SMA {12} -0.57238 0.085439 -6.6992 2.0952e-11方差0.0012634 0.00012395 10.193 2.1406e-24 ARIMA(0,1,1)模型季节性集成与季节性MA(12)(高斯分布)有效样本规模:144估计的参数数量:3对数似然:276.198 AIC:-546.397 BIC:-537.488值StandardError的TStatistic p值_________ _____________ __________ __________常数0 0楠楠MA {1}-0.37716 0.066794 -5.6466 1.6364e-08 SMA {12} -0.57238 0.085439 -6.6992 2.0952e-11方差0.0012634 0.00012395 10.193 2.1406e-24
正如预期的那样,该机型是相同的。
不像一个纯文本的功能,实况功能包含格式的文本和公式,你可以使用Live编辑器修改。
生成用于应用外部的实时功能。该函数返回估计的模型SARIMA_PSSGLog
给予数据可图
。
在里面数据浏览器应用程序,选择SARIMA_PSSGLog
模型。
在这一点经济型橱柜标签,在出口部分,点击出口>产生肝功能。实时编辑器打开,并包含一个名为功能modelTimeSeries
。该功能接受数据可图
(在本次会话中导入的变量),转换数据,返回估计的Sarima(0,1,1)×(0,1,1)12.模型SARIMA_PSSGLog
。
在这一点直播编辑标签,在文件部分,点击节省>节省。
功能保存通过点击当前文件夹节省在里面选择文件另存为对话框。
在命令行,估计Sarima(0,1,1)×(0,1,1)12.模型通过数据可图
到modeltimeseries.m.
。命名模型sarima_pssglog2.
。比较估计的模型SARIMA_PSSGLog
。
SARIMA_PSSGLog2 = modelTimeSeries(数据表);总结(SARIMA_PSSGLog)总结(SARIMA_PSSGLog2)
ARIMA(0,1,1)模型季节性集成为季节性MA(12)(高斯分布)有效样本规模:144估计的参数数量:3对数似然:276.198 AIC:-546.397 BIC:-537.488值StandardError的TStatistic p值_________ _____________ ____________________常数0 0楠楠MA {1} -0.37716 0.066794 -5.6466 1.6364e-08 SMA {12} -0.57238 0.085439 -6.6992 2.0952e-11方差0.0012634 0.00012395 10.193 2.1406e-24 ARIMA(0,1,1)模型季节性集成与季节性MA(12)(高斯分布)有效样本规模:144估计的参数数量:3对数似然:276.198 AIC:-546.397 BIC:-537.488值StandardError的TStatistic p值_________ _____________ __________ __________常数0 0楠楠MA {1}-0.37716 0.066794 -5.6466 1.6364e-08 SMA {12} -0.57238 0.085439 -6.6992 2.0952e-11方差0.0012634 0.00012395 10.193 2.1406e-24
正如预期的那样,该机型是相同的。
生成所有操作的PDF报告pssglog.
和pssgstable.
时间序列,和SARIMA_PSSGLog
模型。
在这一点经济型橱柜标签,在出口部分,点击出口>生成报告。
在里面选择报告的变量对话框,选择选择复选框pssglog.
和pssgstable.
时间序列,和SARIMA_PSSGLog
模型(如有必要)。该应用程序会自动选择突出显示的所有变量的复选框数据浏览器。
点击好的。
在里面选择要写入的文件对话框中,导航到C:\ MyData的
文件夹。
在里面文档名称盒子,类型SARIMAReport
。
点击节省。
应用程序发布创建所需的代码pssglog.
那pssgstable.
, 和SARIMA_PSSGLog
在PDFC:\ mydata \ sarimareport.pdf
。该报告包括:
标题页面和目录
包括所选时间序列的绘图
变换的说明施加到选定的时间系列
对所选时间序列进行统计检验的结果
所选择的模型估算摘要
[1]Box,G. E.P.,G. M. Jenkins和G. C. Reinsel。时间序列分析:预测与控制。3 ed。新泽西州Englewood Cliffs:Prentice Hall出版社,1994年。