建立回归模型与基于“增大化现实”技术的错误
这些例子展示如何创建回归模型与基于“增大化现实”技术的错误使用regARIMA
。有关指定回归模型与基于“增大化现实”技术的错误使用计量经济学建模师应用程序,请参阅指定回归模型和ARMA使用计量经济学建模应用程序错误。
默认的回归模型与基于“增大化现实”技术的错误
这个例子展示了如何应用速记regARIMA (p D q)
语法来指定一个回归模型与基于“增大化现实”技术的错误。
指定默认的回归模型和AR(3)错误:
Mdl = regARIMA (0, 0)
Mdl = regARIMA属性:描述:“ARMA(3 0)误差模型(高斯分布)”Distribution: Name = "Gaussian" Intercept: NaN Beta: [1×0] P: 3 Q: 0 AR: {NaN NaN NaN} at lags [1 2 3] SAR: {} MA: {} SMA: {} Variance: NaN
软件设置创新分布高斯
,每个参数南
。AR系数处于滞后1到3。
通过Mdl
成估计
用数据来估计的参数设置南
。虽然β
显示,如果你通过矩阵的预测(
)估计
,然后估计
估计β
。的估计
推断的回归系数的函数β
的列数
。
使用模拟和预测等任务模拟
和预测
不接受和至少一个模型吗南
参数值。使用点符号来修改参数值。
基于“增大化现实”技术的误差模型没有拦截
这个例子显示了如何指定一个回归模型和基于“增大化现实”技术的错误没有回归拦截。
指定默认的回归模型和AR(3)错误:
Mdl = regARIMA (“ARLags”1:3,“拦截”,0)
Mdl = regARIMA属性:描述:“ARMA(3 0)误差模型(高斯分布)”Distribution: Name = "Gaussian" Intercept: 0 Beta: [1×0] P: 3 Q: 0 AR: {NaN NaN NaN} at lags [1 2 3] SAR: {} MA: {} SMA: {} Variance: NaN
该软件集拦截
为0,但所有其他有价值的参数Mdl
是南
默认值。
自拦截
不是一个南
评估期间,这是一个等式约束。换句话说,如果你通过Mdl
和数据进估计
,然后估计
集拦截
在估计为0。
您可以修改的属性Mdl
使用点符号。
基于“增大化现实”技术与Nonconsecutive滞后误差模型
这个例子显示了如何指定一个回归模型和基于“增大化现实”技术错误,非零的基于“增大化现实”技术条款nonconsecutive滞后。
指定的回归模型AR(4)错误:
Mdl = regARIMA (“ARLags”[1,4])
Mdl = regARIMA属性:描述:“ARMA(4 0)误差模型(高斯分布)”Distribution: Name = "Gaussian" Intercept: NaN Beta: [1×0] P: 4 Q: 0 AR: {NaN NaN} at lags [1 4] SAR: {} MA: {} SMA: {} Variance: NaN
AR系数是滞后1和4。
验证滞后2和3的AR系数0。
Mdl.AR
ans =1×4单元阵列(南){}{[0]}{[0]}{(南)}
软件显示一个1-by-4单元阵列。每个连续的单元格包含相应的AR系数值。
通过Mdl
和数据进估计
。软件估计所有参数的值南
。然后,估计
持有
= 0和
在估计= 0。
已知的参数值的回归模型与基于“增大化现实”技术的错误
这个例子展示了如何为所有参数指定值的回归模型与基于“增大化现实”技术的错误。
指定的回归模型AR(4)错误:
在哪里 与单位方差高斯。
Mdl = regARIMA (基于“增大化现实”技术的{0.2,0.1},“ARLags”(1、4),…“拦截”0,“β”(2,0.5),“方差”,1)
Mdl = regARIMA属性:描述:“回归ARMA(4 0)误差模型(高斯分布)”Distribution: Name = "Gaussian" Intercept: 0 Beta: [-2 0.5] P: 4 Q: 0 AR: {0.2 0.1} at lags [1 4] SAR: {} MA: {} SMA: {} Variance: 1
没有南
值在任何Mdl
属性,因此不需要估计Mdl
使用估计
。然而,您可以模拟或预测的反应Mdl
使用模拟
或预测
。
回归模型和基于“增大化现实”技术的错误和t的创新
这个例子显示了如何设置一个回归模型的创新分布与基于“增大化现实”技术的一个错误 分布。
指定的回归模型AR(4)错误:
在哪里 有一个 分布与默认的自由度和单位方差。
Mdl = regARIMA (基于“增大化现实”技术的{0.2,0.1},“ARLags”(1、4),…“拦截”0,“β”(2,0.5),“方差”,1…“分布”,“t”)
Mdl = regARIMA属性:描述:“回归ARMA(4 0)误差模型(t分布)”Distribution: Name = "t", DoF = NaN Intercept: 0 Beta: [-2 0.5] P: 4 Q: 0 AR: {0.2 0.1} at lags [1 4] SAR: {} MA: {} SMA: {} Variance: 1
默认的自由度南
。如果你不知道的自由度,那么你可以通过估计Mdl
和数据估计
。
指定一个 分布。
Mdl。分布=结构(“名字”,“t”,“景深”,10)
Mdl = regARIMA属性:描述:“回归ARMA(4 0)误差模型(t分布)”Distribution: Name = "t", DoF = 10 Intercept: 0 Beta: [-2 0.5] P: 4 Q: 0 AR: {0.2 0.1} at lags [1 4] SAR: {} MA: {} SMA: {} Variance: 1
你可以使用模拟或预测反应模拟
或预测
因为Mdl
完全是指定的。
在应用程序中,如模拟,软件可实现随机的
创新。换句话说,方差
覆盖的理论差异
(这是随机变量景深
/ (景深
- 2)),但保留了峰态的分布。
另请参阅
应用程序
对象
功能
相关的例子
- 计量经济学建模应用程序概述
- 指定单变量滞后算子多项式交互
- 建立回归模型与ARIMA错误
- 指定默认的回归模型与ARIMA错误
- 建立回归模型与马错误
- 建立回归模型和ARMA错误
- 与SARIMA建立回归模型错误
- 指定错误ARIMA模式创新分布