建立回归模型与马错误
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。
默认的回归模型与马错误
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。
马没有拦截误差模型
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。
马与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。
已知的参数值与马回归模型错误
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。
回归模型MA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。
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
- 交互式地指定滞后算子多项式
- 建立回归模型与ARIMA错误
- 指定默认的回归模型与ARIMA错误
- 建立回归模型与基于“增大化现实”技术的错误
- 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
