这些例子展示如何创建回归模型与马错误使用regARIMA
。与马有关指定回归模型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。
这个例子展示了如何应用速记regARIMA (p D q)
语法来指定马的回归模型错误。
指定默认的回归模型与马(2)错误:
Mdl = regARIMA (0, 0, 2)
Mdl = regARIMA属性:描述:“ARMA(0, 2)误差模型(高斯分布)”Distribution: Name = "Gaussian" Intercept: NaN Beta: [1×0] P: 0 Q: 2 AR: {} SAR: {} MA: {NaN NaN} at lags [1 2] SMA: {} Variance: NaN
软件设置每个参数南
,创新分布高斯
。马在滞后系数是1和2。
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。
这个例子显示了如何指定一个回归模型MA错误没有回归拦截。
指定默认的回归模型与马(2)错误:
Mdl = regARIMA (“MALags”1:2,“拦截”,0)
Mdl = regARIMA属性:描述:“ARMA(0, 2)误差模型(高斯分布)”Distribution: Name = "Gaussian" Intercept: 0 Beta: [1×0] P: 0 Q: 2 AR: {} SAR: {} MA: {NaN NaN} at lags [1 2] SMA: {} Variance: NaN
该软件集拦截
为0,但所有其他参数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。
这个例子显示了如何指定一个回归模型与马错误,马在非零项nonconsecutive滞后。
指定的回归模型MA(12)错误:
Mdl = regARIMA (“MALags”(1、12))
Mdl = regARIMA属性:描述:“ARMA(0, 12)误差模型(高斯分布)”Distribution: Name = "Gaussian" Intercept: NaN Beta: [1×0] P: 0 Q: 12 AR: {} SAR: {} MA: {NaN NaN} at lags [1 12] SMA: {} Variance: NaN
马系数处于滞后1和12。
马验证系数在落后2到11都是0。
Mdl.MA”
ans =12×1单元阵列(南){}{[0]}{[0]}{[0]}{[0]}{[0]}{[0]}{[0]}{[0]}{[0]}{[0]}{(南)}
应用转置后,软件显示一个12-by-1单元阵列。每个马连续单元格包含相应的系数值。
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
=
=,=
在估计= 0。
这个例子展示了如何为所有参数指定值的回归模型MA错误。
指定与马云的回归模型(2)错误:
在哪里 与单位方差高斯。
Mdl = regARIMA (“拦截”0,“β”,(0.5;3;1.2),…“马”{0.5,-0.1},“方差”,1)
Mdl = regARIMA属性:描述:“回归ARMA(0, 2)误差模型(高斯分布)”Distribution: Name = "Gaussian" Intercept: 0 Beta: [0.5 -3 1.2] P: 0 Q: 2 AR: {} SAR: {} MA: {0.5 -0.1} at lags [1 2] SMA: {} Variance: 1
的参数Mdl
不包含南
值,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
。
这个例子显示了如何设置一个回归模型的创新分布与马一个错误t分布。
指定与马云的回归模型(2)错误:
在哪里 有一个t分布与默认的自由度和单位方差。
Mdl = regARIMA (“拦截”0,“β”,(0.5;3;1.2),…“马”{0.5,-0.1},“方差”,1“分布”,“t”)
Mdl = regARIMA属性:描述:“回归ARMA(0, 2)误差模型(t分布)”Distribution: Name = "t", DoF = NaN Intercept: 0 Beta: [0.5 -3 1.2] P: 0 Q: 2 AR: {} SAR: {} MA: {0.5 -0.1} at lags [1 2] 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”15)
Mdl = regARIMA属性:描述:“回归ARMA(0, 2)误差模型(t分布)”Distribution: Name = "t", DoF = 15 Intercept: 0 Beta: [0.5 -3 1.2] P: 0 Q: 2 AR: {} SAR: {} MA: {0.5 -0.1} at lags [1 2] SMA: {} Variance: 1
你可以通过模拟和预测的回应Mdl
来模拟
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t创新。换句话说,方差
覆盖的理论差异t(这是随机变量景深
/ (景深
- 2)),但保留了峰态的分布。