这个例子展示了如何通过以下方式共享Econometric Modeler应用程序会话的结果:
导出时间序列和模型变量到MATLAB®工作空间
生成MATLAB纯文本和活动函数,以使用外部应用程序
根据时间序列和估计模型生成活动报告
在会话期间,示例转换和绘制数据,运行统计测试,并估计一个乘数季节性ARIMA模型。数据集Data_Airline.mat
包含航空公司旅客的每月计数。
在命令行中,加载Data_Airline.mat
数据集。
负载Data_Airline
在命令行中,打开计量经济学建模师应用程序。
econometricModeler
或者,从应用程序库打开应用程序(见计量经济学建模师).
进口数据表
为应用程序:
在计量经济学建模师选项卡,进口部分中,点击.
在导入数据对话框中进口吗?列的复选框,选择数据表
变量。
点击进口.
的变量PSSG
出现在时间序列窗格中,其值将显示在预览窗格,其时间序列图将显示在时间序列图(PSSG)图窗口。
该序列表现出季节趋势、序列相关性和可能的指数增长。有关序列相关的交互分析,请参阅使用计量经济学建模程序检测序列相关性.
应用对数变换来处理指数趋势PSSG
.
在时间序列窗格中,选择PSSG
.
在计量经济学建模师选项卡,转换部分中,点击日志.
转换后的变量PSSGLog
出现在时间序列窗格,其时间序列图将显示在时间序列图(PSSGLog)图窗口。
指数增长似乎已从级数中去掉。
应用第12个订单的季节差异来处理季节趋势。与PSSGLog
选择的时间序列窗格中,在计量经济学建模师选项卡,转换节中,设置季节性来12
.然后,单击季节性.
转换后的变量PSSGLogSeasonalDiff
出现在时间序列窗格,其时间序列图将显示在时间序列图(PSSGLogSeasonalDiff)图窗口。
变换后的级数似乎有一个单位根。
检验零假设PSSGLogSeasonalDiff
通过使用Augmented Dickey-Fuller测试获得单位根。指定替代是一个AR(0)模型,然后再次测试指定一个AR(1)模型。将显著性水平调整为0.025以保持总显著性水平0.05。
与PSSGLogSeasonalDiff
选择的时间序列窗格中,在计量经济学建模师选项卡,测试部分中,点击新的测试>增强Dickey-Fuller测试.
在ADF选项卡,参数节中,设置显著性水平来0.025
.
在测试部分中,点击运行测试.
在参数节中,设置数量的滞后来1
.
在测试部分中,点击运行测试.
测试结果显示在结果表的ADF (PSSGLogSeasonalDiff)文档。
这两个测试都没有拒绝该序列是一个单位根过程的原假设。
对应用第一个差分来求单位根PSSGLogSeasonalDiff
.与PSSGLogSeasonalDiff
选择的时间序列窗格中,单击计量经济学建模师选项卡。然后,在转换部分中,点击区别.
转换后的变量PSSGLogSeasonalDiffDiff
出现在时间序列窗格,其时间序列图将显示在时间序列图(PSSGLogSeasonalDiffDiff)图窗口。
在时间序列窗格中,重命名PSSGLogSeasonalDiffDiff
变量,单击两次以选择它的名称和PSSGStable
.
该应用程序更新与转换系列相关联的所有文档的名称。
通过绘制样本自相关函数(ACF)和偏自相关函数(PACF)来确定数据的条件平均模型的滞后结构。
与PSSGStable
选择的时间序列窗格中,单击情节选项卡,然后单击ACF.
显示ACF的前50个滞后。在ACF选项卡,设置数量的滞后来50
.
单击情节选项卡,然后单击PACF.
显示PACF的前50次滞后。在PACF选项卡,设置数量的滞后来50
.
拖动ACF (PSSGStable)图窗口上方PACF (PSSGStable)图窗口。
根据[1], ACF和PACF的自相关表明以下SARIMA(0,1,1)×(0,1,1)12模型适用于PSSGLog
.
关闭所有图形窗口。
指定SARIMA(0, 1, 1)×(0,1,1)12模型。
在时间序列窗格中,选择PSSGLog
时间序列。
在计量经济学建模师选项卡,模型部分中,单击箭头以显示模型库。
在模型陈列室,在ARMA / ARIMA模型部分中,点击SARIMA.
在SARIMA模型参数对话框中延迟订单标签:
季节性部分
集度集成来1
.
集移动平均线顺序来1
.
清除包括常数项复选框。
季节性部分
集期来12
指示每月数据。
集移动平均线顺序来1
.
选择包括季节性差异复选框。
点击估计.
模型变量SARIMA_PSSGLog
出现在模型窗格中,其值将显示在预览窗格,其估计摘要将出现在模型总结(SARIMA_PSSGLog)文档。
出口PSSGLog
,PSSGStable
,SARIMA_PSSGLog
到MATLAB工作空间。
在计量经济学建模师选项卡,出口部分中,点击.
在出口变量对话框中,选择选择的复选框PSSGLog
和PSSGStable
时间序列SARIMA_PSSGLog
模型(如果有必要)。应用程序自动选择复选框的所有变量突出显示在时间序列和模型窗格。
点击出口.
在命令行中,列出工作区中的所有变量。
谁
Name Size Bytes Class Attributes Data 144x1 1152 double DataTable 144x1 3192时间表Description 22x54 2376 char PSSGLog 144x1 1152 double PSSGStable 144x1 1152 double SARIMA_PSSGLog 1x1 7963 arima date 144x1 1152 double series 1x1 162 cell . txt . txt
的内容Data_Airline.mat
,数值向量PSSGLog
和PSSGStable
,以及估计的华宇电脑
模型对象SARIMA_PSSGLog
是工作区中的变量。
预测未来三年(36个月)的日志航空旅客计数使用SARIMA_PSSGLog
.指定PSSGLog
presample数据。
numObs = 36;fPSSG =预测(SARIMA_PSSGLog numObs,“Y0”, PSSGLog);
绘制乘客数量和预测图。
fh = DataTable.Time(end) + calmonths(1: nummobs); / /数据表图;情节(DataTable.Time exp (PSSGLog));持有在情节(fh exp (fPSSG));传奇(“航空乘客数量”,的预测数量,...“位置”,“最佳”)标题(《1949-1963年航空旅客月统计》) ylabel (乘客数量的)举行从
生成一个MATLAB函数用于在应用程序外部使用。该函数返回估计的模型SARIMA_PSSGLog
鉴于数据表
.
在模型窗格,选择SARIMA_PSSGLog
模型。
在计量经济学建模师选项卡,出口部分中,点击出口>生成函数.MATLAB编辑器打开并包含一个名为modelTimeSeries
.该函数接受数据表
(您在此会话中导入的变量),转换数据,返回估计的SARIMA(0,1,1)×(0,1,1)12模型SARIMA_PSSGLog
.
在编辑器选项卡上,单击保存>保存.
通过单击将函数保存到当前文件夹中保存在选择文件另存为对话框。
在命令行上,估计SARIMA(0,1,1)×(0,1,1)12模型通过数据表
来modelTimeSeries.m
.模型名称SARIMA_PSSGLog2
.将估计模型与SARIMA_PSSGLog
.
SARIMA_PSSGLog2 = modelTimeSeries(数据表);总结(SARIMA_PSSGLog)总结(SARIMA_PSSGLog2)
ARIMA(0,1,1)模型季节性与季节性MA(12)(高斯分布)的集成有效样本量:144估计参数数:3 LogLikelihood: 276.198 AIC: -546.397 BIC:-537.488 Value StandardError TStatistic PValue _________ _____________ __________ __________ Constant 00 NaN MA{1} -0.37716 0.066794 -5.6466 1.6364e-08 SMA{12} -0.57238 0.085439 -6.6992 2.09502 -11方差0.0012634 0.00012395 10.193 2.1406e-24 ARIMA(0,1,1)模型季节性集成季节性MA(12)(高斯分布)有效样本大小:144估计参数数:3 LogLikelihood: 276.198 AIC: -546.397 BIC: -537.488 Value StandardError TStatistic PValue _________ _____________ __________ __________ Constant 00 NaN NaN MA{1} -0.37716 0.066794 -5.6466 1.6364e-08 SMA{12} -0.57238 0.085439 -6.6992 2.09502 -11方差0.0012634 0.00012395 10.193 2.1406e-24
正如预期的那样,模型是相同的。
与纯文本函数不同,活动函数包含可使用活动编辑器修改的格式化文本和方程。
生成一个在应用程序外部使用的实时函数。该函数返回估计的模型SARIMA_PSSGLog
鉴于数据表
.
在模型窗格,选择SARIMA_PSSGLog
模型。
在计量经济学建模师选项卡,出口部分中,点击出口>生成生活功能.Live Editor打开并包含一个名为modelTimeSeries
.该函数接受数据表
(您在此会话中导入的变量),转换数据,返回估计的SARIMA(0,1,1)×(0,1,1)12模型SARIMA_PSSGLog
.
在住编辑器选项卡,文件部分中,点击保存>保存.
通过单击将函数保存到当前文件夹中保存在选择文件另存为对话框。
在命令行上,估计SARIMA(0,1,1)×(0,1,1)12模型通过数据表
来modelTimeSeries.m
.模型名称SARIMA_PSSGLog2
.将估计模型与SARIMA_PSSGLog
.
SARIMA_PSSGLog2 = modelTimeSeries(数据表);总结(SARIMA_PSSGLog)总结(SARIMA_PSSGLog2)
ARIMA(0,1,1)模型季节性与季节性MA(12)(高斯分布)的集成有效样本量:144估计参数数:3 LogLikelihood: 276.198 AIC: -546.397 BIC:-537.488 Value StandardError TStatistic PValue _________ _____________ __________ __________ Constant 00 NaN MA{1} -0.37716 0.066794 -5.6466 1.6364e-08 SMA{12} -0.57238 0.085439 -6.6992 2.09502 -11方差0.0012634 0.00012395 10.193 2.1406e-24 ARIMA(0,1,1)模型季节性与季节性MA(12)(高斯分布)的集成有效样本Size: 144估计参数数:3 LogLikelihood: 276.198 AIC: -546.397 BIC: -537.488 Value StandardError TStatistic PValue _________ _____________ __________ __________ Constant 00 NaN NaN MA{1} -0.37716 0.066794 -5.6466 1.6364e-08 SMA{12} -0.57238 0.085439 -6.6992 2.09502 -11 Variance 0.0012634 0.00012395 10.193 2.1406e-24
正如预期的那样,模型是相同的。
生成所有操作的PDF报告PSSGLog
和PSSGStable
时间序列SARIMA_PSSGLog
模型。
在计量经济学建模师选项卡,出口部分中,点击出口>生成报告.
在为报告选择变量对话框中,选择选择的复选框PSSGLog
和PSSGStable
时间序列SARIMA_PSSGLog
模型(如果有必要)。应用程序自动选择复选框的所有变量突出显示在时间序列和模型窗格。
点击好吧.
在选择要写入的文件对话框中,导航到C: \ MyData
文件夹中。
在文件名称框,输入SARIMAReport
.
点击保存.
应用程序发布创建所需的代码PSSGLog
,PSSGStable
,SARIMA_PSSGLog
在PDFC: \ MyData \ SARIMAReport.pdf
.该报告包括:
标题页和目录
包含所选时间序列的图
应用于所选时间序列的转换的描述
对所选时间序列进行统计检验的结果
所选模型的估计摘要
[1]Box, George E. P., Gwilym M. Jenkins,和Gregory C. Reinsel。时间序列分析:预测与控制.3版。恩格尔伍德悬崖,NJ: Prentice Hall, 1994。