计量经济学建模应用程序会话中分享成果 - MATLAB＆Simulink的金宝app

计量计量仪器应用程序会话的分享结果

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。

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，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。

稳定系列

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。

识别系列模型

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.。

$（ 1 - L. ）（ 1 - {L.}^{12.} ） y_{T.} = （ 1 + {θ.}_{1} L. ）（ 1 + {θ.}_{12.} {L.}^{12.} ） {ε.}_{T.} 。$

关闭所有窗口身影。

指定和估计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
  1. 放集成度到1。
  2. 放移动平均订单到1。
  3. 清除包括常数术语复选框。
- 季节性的部分
  1. 放时期到12.指示月度数据。
  2. 放移动平均订单到1。
  3. 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。

将变量导出到工作区

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

从App Session生成纯文本功能

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。

从App Session生成Live函数

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。

生成报告

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

参考文献

［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。

也可以看看