分析使用计量经济学时间序列数据建模师
的计量经济学建模师应用程序是一个互动的分析单变量或多变量时间序列数据的工具。这个应用程序非常适合可视化和转换数据,执行统计规范和模型识别测试,数据拟合模型,迭代这些行动之一。当你满意模型,您可以导出MATLAB®工作区或预测未来响应进行进一步分析。还可以生成代码或从一个会议报告。
计量经济学Modeler通过输入开始econometricModeler
在MATLAB命令行,或通过点击计量经济学建模师下计算金融在应用画廊(应用程序在MATLAB将来发布选项卡)。
以下工作流描述了如何找到一个模型与样本的最佳适合使用计量经济学时间序列数据建模师。工作流并不是一个严格的prescription-the步骤实现取决于你的目标和模式类型。您可以轻松地跳过步骤和迭代所需的几个步骤。的应用程序非常适合Box-Jenkins时间序列建模方法[1]。
计量经济学建模人员准备资料——一个响应变量,或选择多个响应变量的多变量分析,分析建立预测模型。可选地,选择包括在模型中解释变量。
请注意
你可以只有一个变量从MATLAB工作区导入计量经济学建模者。因此,在命令行上,您必须同步多个系列,连接到一个变量中。
导入时间序列变量——数据导入到计量经济学从MATLAB工作区或MAT-file Modeler。导入数据后,您可以调整变量属性或变量的存在。
执行探索性数据分析——以各种方式查看系列,稳定的系列转变,通过执行统计检验和检测时间序列属性。
时间序列数据可视化-支金宝app持区包括时间序列和相关图(例如,自相关函数(ACF))。
执行规范和模式识别假设测试——测试系列的平稳性,异方差性、自相关和共线性协整在多个系列。对于ARIMA和GARCH模型,此步骤可以包括确定适当数量的滞后包括在模型中。金宝app支持测试包括增强Dickey-Fuller测试,恩格尔的拱测试,该Ljung-Box Q-test, Belsley共线性诊断和Johansen协整检验。
将时间序列——金宝app支持转换包括日志转换和季节性和季节性差异。
符合候选模型的数据——选择模型参数形式为单变量或多变量响应系列基于探索性数据分析或由经济理论。然后,估计模型。金宝app支持单变量模型包括季节性和季节性条件(例如,ARIMA),条件方差(例如,GARCH)和多元线性回归模型(可选包含ARMA错误)。金宝app支持多变量模型包括向量自回归(VAR)和矢量纠错(VEC)模型。
进行拟合优度检验——确保模型充分地描述了数据通过执行剩余诊断。
可视化残差来检查他们是否集中在零,正态分布,同方差的,连续不相关的。金宝app支持阴谋包括quantile-quantile和ACF的阴谋。
测试残差方差齐性和自相关。金宝app支持测试包括Ljung-Box Q-test和恩格尔拱测试方残差。
找到最好的模式分类——估计多个模型在同一个家庭,然后选择收益率最小的模型符合统计,例如,Akaike信息准则(AIC)。
出口会议结果——在你找到一个模型或模型,充分执行,总结会议的结果。您所选择的方法取决于你的目标。金宝app支持方法包括:
计量经济学建模应用程序的数据做好准备
你可以只有一个变量从MATLAB工作区导入计量经济学建模者。因此,在导入数据,连接响应系列和任何预测到一个变量中。
计量经济学Modeler支持这些变量的数金宝app据类型。
MATLAB时间表,变量必须是双精度数字向量。一个最佳实践是导入你的时间表,因为计量经济学Modeler中的数据:
通过使用名称存储在变量名称
VariableNames
场的属性
财产。使用时间变量值作为任何轴代表时间的滴答声标签。否则,蜱虫标签代表时间的指数。
使您能够覆盖衰退时间序列图(见乐队
recessionplot
)
时间表的更多细节,请参阅创建时间表。
MATLAB表——变量必须是双精度数字向量。变量名的名字
VariableNames
场的属性
财产。数值向量或矩阵,矩阵,每一列是一个独立的变量命名
variableNamej
,在那里j
是相应的列。
不管变量类型,计量经济学建模假设行对应时间点(观察)。
导入时间序列变量
数据集可以存在于MATLAB的MAT-file工作区或从你的机器可以访问。
从工作区,导入数据集上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,单击复选框进口吗?列包含的数据为变量,然后单击进口。在工作区中所有变量支持的数据类型出现在对话框中,但你只能选择一个。金宝app
从MAT-file导入数据,进口部分中,点击进口,然后选择
从MAT-file进口
。在选择一个MAT-file对话框中,浏览到包含数据集的文件夹,然后双击MAT-file。
导入数据后,计量经济学建模者执行以下操作。
每个变量的名称(列)中出现的数据集时间序列窗格。
变量的值选择的时间序列窗格中出现在预览窗格。
时间序列图出现在包括所有变量时间序列图(
VariableName
)图窗口,VariableName
是其中一个变量的名字吗时间序列窗格。
你可以与变量的交互时间序列面板在几个方面。
选择一个变量进行统计测试或创建一个情节,例如,单击变量时间序列窗格。如果你双击变量而不是,那么应用程序也情节在一个单独的时间序列图。
开放、删除或导出一个变量,右键单击它时间序列窗格。然后,从上下文菜单中,选择所需的行动。
选择或同时操作多个时间序列,出版社Ctrl每个变量并单击您想要使用。
考虑导入数据Data_USEconModel
MAT-file。
在命令行中,将数据装载到工作区。
负载Data_USEconModel
在计量经济学建模者进口部分的计量经济学建模师选项卡上,单击。导入数据对话框。
Data_USEconModel
商店几个变量。数据,数据表,DataTimeTable包含相同的数据,但是数据表是一个表,DataTimeTable是一个时间表。进口DataTimeTable通过选择相应的进口吗?复选框,然后单击进口。
所有变量在DataTimeTable出现在时间序列窗格。假设您想要保留COE
,FEDFUNDS
,国内生产总值
只有。选择所有其他变量,用鼠标右键单击其中一个,并选择删除。
工作的应用程序后,您可以单击后导入另一个数据集。进口,计量经济学建模器显示下面的对话框。
如果您点击好吧,然后计量经济学建模器删除的所有变量时间序列和模型窗格,关闭所有文件在右窗格中。
执行探索性数据分析
一个探索性数据分析包括确定特征变量和它们之间的关系,形成的一个预测模型。对于时间序列数据,确定级数成倍增长,包含趋势,或者是不稳定的,然后进行相应的转换。ARIMA模型,确定模型结构形式和序列相关性显著滞后响应系列,使用Box-Jenkins方法[1]。如果你计划创建GARCH模型族,然后评估系列包含波动集群和明显的滞后。对于多元回归模型,识别共线的预测,这些预测是线性相关的反应。对于多变量模型,除了单变量分析,您可以测试是否共合体系列。
对于时间序列数据分析,探索性分析通常包括迭代中可视化数据,执行统计规范和模型识别测试,和转换数据。
时间序列数据可视化
导入数据集后,计量经济学建模者选择所有变量在导入数据并显示一个时间序列图的默认在右窗格中。例如,在你导入DataTimeTable
在Data_USEconModel
数据集,应用程序显示这个时间序列图。
创建您自己的时间序列图:
在时间序列窗格中,选择适当的数字系列的阴谋。
单击情节在将来发布选项卡。
单击该按钮为你想要的类型的情节。
计量经济学Modeler支持以下时间序列金宝app的情节。
情节 | 目标 |
---|---|
时间序列或 |
|
自相关函数(ACF) |
|
部分ACF (PACF) |
|
相关性 |
|
你可以与现有的阴谋:
右击它
使用图按钮,当你暂停情节出现
图使用选项窗口
金宝app支持交互随情节类型。
拯救一个图,右键单击图,然后选择出口。保存图出现。
添加或删除时间序列在一个阴谋——右键单击图,指出显示时间序列菜单,然后选择添加或删除的时间序列。
情节衰退乐队——右键单击时间序列图,然后选择显示经济衰退。
图显示网格线——暂停,然后单击。
传说——暂停切换图,然后单击。
锅——暂停图,然后单击。平移的更多细节,请参阅缩放,平移,旋转数据。
放大图——暂停。放大,点击。为了缩小,点击。更多细节,请参阅缩放,平移,旋转数据。
恢复视图——情节重返原来的视图中拖动或缩放后,暂停图,然后单击。
序列相关函数图,附加选项的存在ACF或PACF选项卡。你可以指定:
要显示数量的滞后
数的标准差乐队的信心
马或AR顺序理论ACF PACF,分别,实际上是零
计量经济学建模器更新情节在实时调整参数。
当你探索数据,情节和计算结果选项卡下积累在右窗格中。您可以自定义文档的显示在右边的面板中,例如,同时查看多个情节,通过执行下列动作:
东方情节标签通过拖放它们到不同部分的右窗格中。当你拖动一个阴谋,尽可能应用突出的部分地方。撤消最后文档或图窗口定位,暂停点位于中间的分区,然后单击当它出现。
单击文档操作按钮在右上角的文档。选项包括:
瓷砖都——选择一个布局为多个块。
标签的位置——选择在哪里显示图选项卡。
考虑一个ARIMA模型的有效联邦基金利率(FEDFUNDS
)。识别模型的特征(例如,基于“增大化现实”技术的数量或马滞后),绘制时间序列,ACF, PACF并排。
在时间序列面板,双击
FEDFUNDS
。通过右键添加衰退乐队情节的阴谋时间序列图(FEDFUNDS)图窗口,然后选择显示经济衰退。
在情节选项卡上,单击ACF。
点击PACF。
单击时间序列图(FEDFUNDS)图窗口,并将其拖动到左侧的窗格中。单击PACF (FEDFUNDS)图窗口,并将其拖动到右下方的窗格。
ACF慢慢死去,PACF切断后第一个滞后。ACF的行为表明,必须改变在你选择时间序列ARIMA模型的形式。
在右窗格中,观察中间的点之间的水平分区相关图(以下滞后x轴ACF的标签)。撤销这个相关图定位,单独的标签的相关图,暂停点和点击当它出现。
执行规范和模式识别假设测试
可以执行的假设测试确认时间序列属性,您获得视觉或测试属性,很难看到。计量经济学建模器使您能够多次运行测试和参数设置。
计量经济学建模器为单变量支持这些测试系列金宝app。
测试 | 假设 |
---|---|
增强Dickey-Fuller |
H0:系列有一个单位根。 H1:系列是静止的。 支持参数的细节,请参阅金宝app |
Kwiatkowski菲利普斯,施密特,胫骨(kps) |
H0:系列是趋势平稳。 H1:系列有一个单位根。 支持参数的细节,请参阅金宝app |
Leybourne-McCabe |
H0:系列是一个静止的基于“增大化现实”技术的趋势(p)的过程。 H1:序列是一个ARIMA (p,1,1)的过程。 指定p,调整数量的滞后参数。支持参数的细节,请参阅金宝app |
Phillips-Peron |
H0:系列有一个单位根。 H1:系列是静止的。 支持参数的细节,请参阅金宝app |
方差比 |
H0:系列是一个随机游走。 H1:系列并不是一个随机游走。 支持参数的细节,请参阅金宝app |
恩格尔的拱 |
H0:系列展览没有条件异方差(ARCH效应)。 H1:系列是一种拱(p)模型,p> 0。 指定p,调整数量的滞后参数。支持参数的细节,请参阅金宝app |
Ljung-Box Q-test |
H0:在第一个系列的展品没有自相关米滞后,相应的系数共同为零。 H1系列:至少有一个非零自相关系数ρj,j∈{1,…米}。 指定米,调整数量的滞后参数。支持参数的细节,请参阅金宝app |
请注意
之前进行测试,计量经济学建模器删除前导和尾随缺失值(南
本系列值)。恩格尔的拱测试不支持系列中的缺失值,也就是说,金宝app南
观测值之前和成功。
稳定性测试结果表明是否应该转换一系列稳定,并转换是合适的。ARIMA模型的平稳性测试结果显示是否包括程度的集成。恩格尔的主要试验结果表明是否系列展览波动集群和建议滞后包括在GARCH模型。Ljung-Box Q-test结果显示需要多少基于“增大化现实”技术的滞后ARIMA模型。
在计量经济学建模师进行单变量测试:
选择一个变量中时间序列窗格。
在计量经济学建模师选项卡,测试部分中,点击新的测试。
在测试画廊,单击你想进行测试。新标签页的测试类型出现在将来发布,和一个新文档测试结果出现在右窗格中。
在测试类型选项卡,参数部分,调整参数测试。例如,考虑执行恩格尔的拱测试。在拱选项卡,参数落后的部分,选择检验统计量使用数量的滞后旋转盒子,或显著性水平(即的价值α)使用显著性水平旋转盒子。
在测试类型选项卡,测试部分中,点击运行测试。测试结果,包括是否拒绝零假设,p值,参数设置,出现在一个新行结果表的测试结果文档。如果零假设被拒绝,那么应用程序突出了行用黄色。
如果你对一系列特定运行多个测试,每个测试的结果出现的新行结果表。删除的行结果表,选中相应的复选框选择列,然后单击明确的测试测试类型选项卡。
请注意
多个测试膨胀错误发现率。一个保守的方法保持整体错误发现率α是应用Bonferroni调整每个测试的显著性水平。也就是说,总共t测试组显著性水平价值α/t。
计量经济学Modeler支持多个系列的这金宝app些测试和诊断。
测试和诊断 | 描述 |
---|---|
Belsley共线性诊断 |
支持参数和结果的详细信息,请参见金宝app |
Engle-Granger |
H0:本系列不协整。 H1:协整系列展览。 支持参数的细节,请参阅金宝app |
约翰森 |
对于一个指定的协整r:
支持参数的细节,请参阅金宝app |
计量经济学建模者诊断多种系列:
选择至少两个变量时间序列窗格。
在计量经济学建模师选项卡,测试部分中,点击新的测试。
在测试画廊中,选择你想要运行的诊断。诊断的新标签页出现在将来发布,和一个新文档的结果出现在右窗格中。
在诊断的选项卡,您可以调整参数诊断在适当的部分。例如,考虑进行Engle-Granger协整测试所选的系列。在测试画廊,选择Engle-Granger测试。在EGCI选项卡,参数部分中,选择使用协整回归形式协整回归形式列表并选择回归残差的测试进行使用剩余回归形式列表。
例如,考虑一个包含加拿大通胀和利率的预测模型作为预测变量。确定的变量是否共线。的Data_Canada
数据集包含了时间序列。
导入
DataTimeTable
变量Data_Canada
数据集进计量经济学建模师(见导入时间序列变量)。时间序列的情节出现在右窗格中。所有系列似乎包含自相关。尽管你应该消除自相关从预测变量创建一个预测模型之前,本例中没有消除自相关收益。
在测试部分中,点击新的测试。在共线性部分中,点击Belsley共线性诊断。
计量经济学Modeler中创建一个新的选项卡的Belsley共线性诊断在将来发布,它创建一个新的文档,结果在右窗格中。奇异值的结果包含一个表,条件指标和方差分解为每个系列的比例。行计量经济学建模者用黄色突出条件指数大于指定的公差条件指数参数值(默认
30.
)公差部分的共线性选项卡。表列贴上系列名称的矩阵方差分解比例。这些系列与方差分解比例大于指定的公差Variance-Decompoosition比例参数值(默认0.5
在高亮显示的行表现出多重共线性。因为他们的方差分解比例超过公差(默认的公差
0.5
)条件指数共线的预测因子INT_L
,INT_M
,INT_S
。您可以添加或删除从诊断时间序列。例如,把通货膨胀率从诊断通过执行下列程序。
测试结果文档中,右键单击结果表或阴谋。
指出显示时间序列。所有变量的列表。
把通货膨胀率系列
INF_C
和INF_G
从诊断取消选中对应的复选框。你取消系列,计量经济学Modeler验算结果基于所选择的系列。
为更多的细节在Belsley共线性诊断结果和多重共线性,明白了collintest
和时间序列回归二世:共线性和估计方差。
将时间序列
Box-Jenkins方法[1]ARIMA模型选择假定反应级数是静止的,而虚假的回归模型可以从包含的非平稳模型预测结果和响应变量(更多细节,请参阅时间序列回归四:伪回归)。稳定你的系列,计量经济学Modeler支持这些转换金宝app转换部分的计量经济学建模师选项卡。
转换 | 时使用系列…… | 笔记 |
---|---|---|
日志 |
一个指数趋势或方差随着其水平 | 本系列的所有值都必须是积极的。 |
线性去趋势 |
线性确定性趋势,可以使用最小二乘法确定吗 | 计量经济学建模师去趋势系列时,它忽略了领先或落后于失踪( 观测值之间如果发生任何缺失的值,那么这个应用程序返回一个向量的 |
一阶差分 |
有一个随机的趋势 | 计量经济学建模师加差系列的南 价值。这一行动确保差系列相同的长度和时基原系列。 |
季节性差异 |
有季节性,随机趋势 |
您可以指定在一个赛季使用旋转盒子。例如, 计量经济学建模师突出显示差系列 |
更多细节,请参阅数据转换。
改变一个变量,选择的变量时间序列窗格中,然后单击转换。变换一系列之后,一个新的变量代表转换系列中出现时间序列窗格。同时,计量经济学Modeler情节和选择新的变量。创建变量名称,应用附加转换名称的变量名。您可以重命名转换后的变量通过点击它的两倍时间序列选择的文本变量名称,然后输入新名称。你可以选择多个系列按Ctrl点击每个系列,然后应用相同的转换同时选中的系列。应用程序为每个系列中,创建新变量附加转换名称每个转换变量的名称,和情节转换后的变量在同一个图。
例如,假设GDP系列Data_USEconModel
有一个指数趋势和一个随机的趋势。稳定的国内生产总值(GDP)应用日志转换,然后应用第二个区别。
导入
DataTimeTable
变量Data_USEconModel
数据集到计量经济学建模(见导入时间序列变量)。在时间序列窗格中,选择
国内生产总值
。在计量经济学建模师选项卡,转换部分中,点击日志。这个应用程序创建一个变量命名
GDPLog
中出现的时间序列面板,显示一个时间序列的阴谋。在转换部分中,点击区别。这个应用程序创建一个变量命名
GDPLogDiff
时间序列和显示一个阴谋。在转换部分中,点击区别。应用程序创建了一个变量
GDPLogDiffDiff
时间序列和显示一个阴谋。
GDPLogDiffDiff
国内生产总值是稳定的。
数据拟合模型
探索性数据分析的结果可以显示多个候选模型。选择一个模型,在时间序列窗格中,选择响应的时间序列。在计量经济学建模师选项卡,模型部分,单击一个模型或单击模型中的一个画廊。计量经济学Modeler允许您只选择那些适合的模型的数量选择的反应级数。在你选择一个模型,你估计配置它。
计量经济学Modeler支持以下模型。金宝app
模型 | 响应 | 类型 |
---|---|---|
条件是:ARMA / ARIMA模型部分 | 单变量 | 平稳自回归(AR) |
单变量 | 固定滑动平均(MA) |
|
单变量 | 平稳ARMA |
|
单变量 | 不稳定、综合ARMA (ARIMA) |
|
单变量 | 季节性ARIMA(乘法)(SARIMA) |
|
单变量 | ARIMA包括外源性因素(ARIMAX) 有关详细信息,请参见协变量ARIMA模型包括外生, |
|
单变量 | 季节性ARIMAX |
|
条件方差:GARCH模型部分 | 单变量 | 广义自回归条件异方差(GARCH) |
单变量 | 指数GARCH (EGARCH) |
|
单变量 | Glosten、Jagannathan Runkle (GJR) |
|
多元线性回归:回归模型部分 | 单变量 | 多元线性回归 有关详细信息,请参见时间序列回归我:线性模型, |
单变量 | 回归模型和ARMA错误 有关详细信息,请参见回归模型和时间序列错误, |
|
向量自回归模型:多变量模型部分 | 多元 | 固定向量自回归(VAR) 有关详细信息,请参见向量自回归(VAR)模型和 |
多元 | VAR包括外生变量(VARX) 有关详细信息,请参见向量自回归(VAR)模型和 |
|
多元 | 向量纠错(VEC)或共合体VAR 有关详细信息,请参见 |
对于单变量条件意味着模型估计,SARIMA和SARIMAX是最灵活的模型。您可以创建任何条件意味着模型不包括外生因素通过点击SARIMA,或者您可以创建任何条件意味着模型,包括至少一个外生预测通过点击SARIMAX。
多变量模型估计,你选择的模型取决于选定的时间序列是静止的或共合体。为平稳序列,创建一个VAR模型通过点击VAR。包括外生因素,点击VARX代替。共合体系列,单击VEC。
你选择一个模型后,应用程序显示类型
模型参数对话框,类型
模型类型。例如,此图显示了SARIMAX模型参数对话框。
可调参数类型
依赖于模型参数窗口类型
。一般来说,可调参数包括:
确定的条款和线性回归系数对应的预测变量(见组件参数调整确定的条款和回归)
单变量时间序列组件参数模型,包括季节性和季节性滞后和程度的集成(见调整为单变量时间序列组件参数模型)
多元时间序列组件参数模型,包括基于“增大化现实”技术的落后和AR系数元素来指定在评估(见等式约束调整时间序列组件参数多变量模型)
对于单变量模型,创新分布(见调整创新为单变量分布参数模型)
当你调整参数值,方程中模型方程部分改变以匹配您的规范。可调参数对应于输入和名称-值对参数描述的相应模型创建引用页面。详情,请参阅函数参考页面为一个特定的模型。不管你选择的模型,在模型中不确定的系数都是未知的和有价值的,包括t分布参数(当你指定一个自由度t创新分布)。
请注意
计量经济学建模师不支持:金宝app
优化选项调整估计。
复合条件均值和方差模型。有关详细信息,请参见指定条件均值和方差模型。
等式约束在单变量模型参数估计(除了持有一些参数固定在零估计)。
调整优化选项,估计复合条件均值和方差模型,或应用等式约束,使用MATLAB命令行。
组件参数调整确定的条款和回归
金宝app支持确定性条件取决于所选择的模型,包括模型常数(抵消或拦截)和线性时间趋势。包括一个模型常数(抵消或拦截),选择包括常数项或包括抵消项复选框。类似的线性时间趋势,选择包括趋势复选框。删除一个确定的术语(即约束估计期间它为零),清除复选框。的位置和类型的复选框类型
取决于模型类型模型参数对话框。默认情况下,计量经济学建模器包括一个模型常数模型类型除了条件方差模型。
为回归组件,选择预测的预测列表中,选择的复选框包括什么?列对应于预测你想包括在模型中。默认情况下,应用程序不包括回归组件在任何模型类型。
如果您选择ARIMAX,SARIMAX,或RegARMA,那么你必须选择至少一个预测。
如果您选择高钙,那么您可以指定下列之一:
一个高当你选择至少一个预测模型
一个常数的意思是模型(intercept-only模型)当你清除所有复选框包括什么?列和选择包括拦截复选框
error-only模型当你清除所有复选框包括什么?列和清晰包括拦截复选框
考虑一个线性回归模型到GDP的CPI和失业率。指定回归:
导入
DataTimeTable
变量Data_USEconModel
数据集到计量经济学建模(见导入时间序列变量)。在时间序列窗格中,选择响应变量
国内生产总值
。在计量经济学建模师选项卡,模型部分,单击箭头显示模型的画廊。
在画廊,模型回归模型部分中,点击高钙。
在高模型参数对话框中,在包括什么?列,选择CPIAUCSL和UNRATE复选框。
单击估计按钮。
调整为单变量时间序列组件参数模型
一般为单变量模型,时间序列中包含组件参数包含滞后季节性和季节性滞后算子多项式,和季节性和季节性的集成。
条件是模型,您可以指定季节性和季节性自回归滞后,季节性和季节性移动平均滞后。您还可以调整季节性和季节性的集成。
条件方差模型,您可以指定拱和GARCH滞后。EGARCH和GJR模型还支持利用滞后。金宝app
对回归模型和ARMA错误,您可以指定季节性自回归和移动平均滞后。模型包含季节性滞后或程度的季节性或季节性集成,使用命令行。
计量经济学Modeler支持两个选项调整金宝app参数。调整选项是在单独的标签类型
模型参数对话框:延迟订单和滞后的向量选项卡。在延迟订单选项卡上,您可以指定订单滞后算子多项式。这一特性使您能够有效地包括所有滞后,从1到指定的顺序,滞后算子多项式。在滞后的向量选项卡上,您可以指定个人滞后组成一个滞后算子多项式。这个特性非常适合创建灵活的模型。更多细节,请参阅指定单变量滞后算子多项式交互。
调整创新为单变量分布参数模型
对于单变量模型,您可以指定高斯分布的创新。对所有模型,除了多元线性回归模型,您可以指定学生的t而不是解决尖峰的创新分布(更多细节,请参阅最大似然估计条件均值模型,最大似然估计条件方差模型,或regARIMA模型的最大似然估计)。如果你指定t分布,然后计量经济学建模者使用最大似然估计其自由度参数。
默认情况下,计量经济学建模者使用的高斯分布的创新。改变创新分布类型
模型参数对话框,从创新分布按钮,在列表中选择一个分布。
调整时间序列组件参数多变量模型
金宝app多元时间序列支持组件参数模型依赖于模型类型。所有类型允许您包括季节性AR滞后系数。然而,另外VEC模型支持以下参数规格:金宝app
约翰森模型形式,它指定的确定性条件(整体或在协整关系)包括在模型中。有关详细信息,请参见约翰森形式。
协整排r
调整速度矩阵一个
协整矩阵B
这个图的一个例子类型
模型参数对话框。
如单变量模型、计量经济学Modeler支持调整AR或短期滞后算子多项式有效地通过指定延迟金宝app订单(延迟订单选项卡)或灵活性,通过指定个人滞后(滞后的向量选项卡)。与单变量模型、计量经济学Modeler支持对单个条目的AR估计等式约束或短期滞后系数矩阵,对金宝app应于自我或cross-variable滞后系数模型中。系数约束使您能够测试经济场景。计量经济学Modeler包含指定值固定在估计。
VEC模型,您可以指定在整个矩阵等式约束一个或B,除了约翰森形式H *
和H1 *
只支持等式约金宝app束一个。
指定这样的等式约束:
在
类型
模型参数对话框中,选择延迟限制使用AR系数(ϕ)(VAR或VARX)或短期系数(Φ)(VEC)列表。执行下列任何一种选择:
点击的元素矩阵约束,然后输入值。计量经济学建模师估计所有
南
条目。导入一个矩阵。
在命令行,创建一个适当大小的矩阵的约束和约束或混合
南
值AR或短期滞后。在计量经济学建模师,在
类型
模型参数对话框中,点击进口。在对话框中,选择要导入的变量的系数矩阵。
有关详细信息,请参见交互式地指定多元滞后算子多项式和系数的限制。
估计一个单变量模型
计量经济学建模者将在模型中所有参数视为未知的和有价值的。你指定一个模型后,符合数据通过点击估计在类型
模型参数对话框。
请注意
计量经济学建模者需要有价值的参数的初始值和presample观察初始化模型来估计。计量经济学建模者总是选择默认的初始和presample值作为描述
估计
你想要的模型估计的参考页。如果计量经济学建模问题中一个错误估计,然后:
指定的模型描述不良数据。调整模型参数,然后预测新模型。
在命令行中,调整优化选择和估计模型。有关详细信息,请参见优化设置条件意味着模型估计,优化设置条件方差估计模型,或优化设置regARIMA模型估计。
后估计模型:
一个新的变量描述出现在估计模型模型面板的名称
Type_response
。类型
模型类型和吗响应
响应变量的计量经济学建模者适应模型,例如,ARIMA_FEDFUNDS
。你操作的估计模型模型窗格中单击右键。除了时间序列变量的选择(见导入时间序列变量),上下文菜单中包括
修改
选项,该选项允许您修改和重新评估模型。例如,右键单击并选择模型修改
。然后,在类型
模型参数对话框,并单击调整参数估计。对象模型的显示出现在预览窗格。
的模型总结(
Type_response
)文档总结评估结果出现在右窗格中。结果显示依赖于模型类型。条件均值和回归模型,结果包括:模型适合-时间序列图的反应级数和拟合值
参数——一个评估汇总表包含参数估计,标准错误,t统计数据和p为测试零假设相应的参数值是0
剩余的情节——时间序列残差的情节
拟合优度——Akaike信息准则(AIC)和贝叶斯信息准则(BIC)模型适合统计数据
条件方差模型,研究结果还包括一个评估汇总表和拟合优度统计数据,但计量经济学建模师情节:
有条件的差异——一个推断条件方差的时间序列图
标准化残差——标准化残差的时间序列图 ,在那里c估计抵消
你可以与个人情节在一个暂停,并选择一个交互(见时间序列数据可视化)。你也可以通过右键单击文档与总结。选项包括:
出口——情节在一个单独的图窗口。
显示模型——显示摘要指向另一个估计模型显示模型,然后在列表中选择一个模型。
显示经济衰退——情节衰退乐队在时间序列的情节。
考虑一个SARIMA (0, 1, 1)×(0, 1, 1)12每月国际航空公司的乘客数量从1949年到1960年Data_Airline
数据集。估计该模型使用计量经济建模师:
导入
DataTimeTable
变量Data_Airline
数据集进计量经济学建模师(见导入时间序列变量)。在计量经济学建模师选项卡,模型部分,单击箭头>SARIMA。
在SARIMA模型参数对话框,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
月度数据。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。
结果:
一个变量命名
SARIMA_PSSG
出现在模型窗格。的价值
SARIMA_PSSG
出现在预览窗格。估计总结出现在新模型总结(SARIMA_PSSG)文档。
估计一个多变量模型
计量经济学建模者将在模型中所有参数视为未知的默认和有价值的。但是,与单变量模型、计量经济学Modeler支持平等限制一些参数估计。金宝app您可以指定系数值在应用程序或从工作区导入滞后系数矩阵。
配置模型后,符合数据通过点击估计在类型
模型参数对话框。
请注意
初始化模型估计,计量经济学建模器删除第一p观察作为presample从响应数据,然后剩下的功能适合模型观察。
如果计量经济学建模问题中一个错误估计,指定的模型描述不良数据。调整模型参数,然后估计新模型。
估计模型后,计量经济学建模器显示结果类似于单变量估计(见估计一个单变量模型),您可以与估计多元交互模型与单变量模型相同的方式。显著的差异包括:
一个新的变量描述出现在估计模型模型面板的名称
Typej
,在那里类型
模型类型和吗j
估计模型j例如,该类型的VAR2
是第二个会话期间估计VAR模型。的模型总结(
Type_response
)文档总结评估结果出现在右窗格中。然而,依赖于模型显示的情节类型和选择的时间序列时间序列文档列表的顶部。对于VAR模型,结果包括:模型适合——选择时间序列的时间序列图和相应的拟合值
剩余的情节——一个时间序列的情节相对应的残差所选的时间序列
VEC模型,结果另外包括时间序列协整关系的情节,这是不变的选择时间序列。
考虑一个3 d VAR模型(4)季度美国国内生产总值(GDP)的测量,M1货币供应量,和三个月期国库券us3mt = rr收益率从1947年到2009年。该文件Data_USEconModel.mat
包含系列,以及其他经济测量。
估计这个模型使用计量经济建模师:
导入
DataTimeTable
变量Data_USEconModel
数据集进计量经济学建模师(见导入时间序列变量)。在计量经济学建模师选项卡,时间序列窗格中,单击
国内生产总值
,然后按Ctrl并点击M1SL
。因为
国内生产总值
和M1SL
呈现指数增长,在模型中使用他们的增长率。在计量经济学建模师选项卡,转换部分中,点击日志,然后单击区别。改变转换变量的名称GDPRate
和M1SLRate
,分别。在时间序列窗格中,单击
TB3MS
通过点击,然后稳定系列,转换节中,区别。改变转换系列的名称TB3MSRate
。与
TB3MSRate
选择,选择三率为VAR模型按系列Ctrl并单击GDPRate
和M1SLRate
。在计量经济学建模师选项卡,模型部分中,点击VAR。
在VAR模型参数对话框,延迟订单选项卡,设置自回归秩序来
4
。点击估计。
结果:
一个变量命名
VAR
出现在模型窗格。的价值
VAR
出现在预览窗格。估计总结出现在新总结(VAR)模型文档。故事情节是相对的GDPRate系列。的指标参数的估计参数部分对应的系列时间序列列表(例如
基于“增大化现实”技术的{1}(2、3)
延迟1 AR系数TB3MSRate
系列的方程M1SLRate
系列。
进行拟合优度检验
估计模型后,一个良好的实践是确定拟合模型(见的充分性拟合优度)。计量经济学建模器非常适合视觉评估样本符合(所有模型除了条件方差模型)和执行剩余诊断。
残留的诊断包括评估模型假设和调查你是否必须respecify模型来解决数据的其他属性。模型假设评估包括检查残差是否集中在零,正态分布,同方差的,连续不相关的。如果残差不展示所有这些属性,那么你必须确定离职的严重程度,是否转换数据,是否要指定一个不同的模型。残余诊断的更多细节,请参阅时间序列回归VI:残留的诊断和残留的诊断。
使用计量经济建模师进行拟合优度检验,模型窗格中,选择一个估计模型。然后,完成以下步骤:
视觉评估样本适合所有模型(除了条件方差模型),检查模型适合情节的模型的总结文档。对于多变量模型,计量经济学建模器显示一个系列的拟合值。您可以选择一个不同的系列模型中通过点击系列的阴谋时间序列列表。
视觉评估残差是否集中在零,autocorrelated,和异方差的检验剩余的情节在模型的总结文档。对于多变量模型,计量经济学建模器显示一个系列的残差。你可以选择一个不同的残余系列通过点击相应系列的阴谋时间序列列表。
在计量经济学建模师选项卡,诊断部分中,点击残留的诊断。诊断画廊提供了这些残余的情节和测试。
方法 诊断 残差直方图
视觉评估常态 剩余quantile-quantile情节
视觉评估常态和偏态 ACF
视觉评估是否autocorrelated残差 Ljung-Box Q-test
测试剩余工资显著相关 ACF的残差平方
视觉评估残差是否有条件异方差性 恩格尔的拱测试
条件异方差性检验残差(重要的拱效应) 另外,画一个柱状图,quantile-quantile情节,或ACF的残差估计模型:
选择一个模型模型窗格。
单击情节选项卡。
在情节部分,单击箭头,然后单击的情节之一模型图部分的画廊。
多变量模型:
计量经济学建模师情节残余诊断模型系列在同一个文档。
计量经济学建模器运行剩余所有系列同时诊断测试,但结果显示每个剩余的单独系列。你可以选择结果显示,点击,在测试选项卡,该系列时间序列列表。
请注意
另一个重要的拟合优度检验是predictive-performance评估。评估预测性能的几个模型:
一组模型适合使用的数据计量经济学建模师。
执行剩余诊断模型。
选择模型的一个子集的剩余属性和最小统计(见发现模型与样本最好的健康)。
导出选择模型,以MATLAB工作区(见出口会议结果)。
在命令行执行预测性能评估(见评估预测性能)。
例如,看到的利用计量经济学Modeler创建模型后比较预测性能。
考虑进行拟合优度检查估计SARIMA (0, 1, 1)×(0, 1, 1)12航空公司计数数据模型估计一个单变量模型。
在右窗格中,模型总结(SARIMA_PSSG)文档:
模型适合表明模型与数据的吻合相当好。
剩余的情节表明残差平均为零。然而,残差出现异方差和序列相关。
在计量经济学建模师选项卡,诊断部分中,点击残留的诊断。在诊断画廊:
点击剩余qq情节。右窗格中显示一个名为图窗口QQPlot (SARIMA_PSSG)包含一个quantile-quantile残差的情节。
情节表明残差大约是正常的,但尾巴稍重。
点击自相关函数。在将来发布ACF选项卡和情节包含选项出现。右窗格中显示一个名为图窗口ACF (SARIMA_PSSG)包含了ACF的剩余工资。
因为几乎所有的样本自相关值低于置信界限),剩余工资可能不是序列相关。
点击恩格尔的拱测试。在拱选项卡,测试部分中,点击运行测试使用默认选项运行测试。右窗格中显示拱(SARIMA_PSSG)文档,显示了测试结果结果表。
结果表明拒绝零假设,残差展览不拱效应在5%水平的意义。你可以试着消除异方差性,应用日志转换系列。
发现模型与样本最好的健康
计量经济学建模器使您能够适应多个相关模型来有效地数据集。在估计模型之后,您可以通过迭代的方法估计其他模型执行探索性数据分析,数据拟合模型,进行拟合优度检验。每一次迭代后,一个新的模型变量出现在模型窗格。
相同模型的参数,你适合同一反应系列,您可以确定最好的模型简洁,样本估计模型通过比较他们之间的配合统计数据。从候选模型的一个子集,以确定最适合使用的模型计量经济学建模师:
在模型窗格中,双击一个估计模型。在右窗格中,估计模型中出现的结果模型总结(
模型
)文档,模型
选择模型的名称。在模型总结(
模型
)的文档,拟合优度表,选择一个适合统计(AIC或BIC)并记录其价值。重复前面的步骤对所有候选人的模型。
选择收益率最小的模型符合统计。
拟合优度统计的更多细节,请参阅信息模型选择标准。
考虑寻找最佳拟合SARIMA模型,与12的航空乘客数量的日志Data_Airline
数据集。适合SARIMA模型的一个子集,考虑所有的组合模型,包括两个季节性和季节性马滞后。
由此产生的AIC值表。
模型 | 变量名 | 另类投资会议 |
---|---|---|
SARIMA (0,1,0)×(0,1,0)12 | SARIMA_PSSGLog1 |
-491.8042 |
SARIMA (0,1,0)×(0, 1, 1)12 | SARIMA_PSSGLog2 |
-530.5327 |
SARIMA (0,1,0)×(0, 1, 2)12 | SARIMA_PSSGLog3 |
-528.5330 |
SARIMA (0, 1, 1)×(0,1,0)12 | SARIMA_PSSGLog4 |
-508.6853 |
SARIMA (0, 1, 1)×(0, 1, 1)12 | SARIMA_PSSGLog5 |
-546.3970 |
SARIMA (0, 1, 1)×(0, 1, 2)12 | SARIMA_PSSGLog6 |
-544.6444 |
SARIMA (0, 1, 2)×(0,1,0)12 | SARIMA_PSSGLog7 |
-506.8027 |
SARIMA (0, 1, 2)×(0, 1, 1)12 | SARIMA_PSSGLog8 |
-544.4789 |
SARIMA (0, 1, 2)×(0, 1, 2)12 | SARIMA_PSSGLog9 |
-542.7171 |
因为它收益率最小AIC, SARIMA (0, 1, 1)×(0, 1, 1)12模型是模型与最好的吝啬的,样本。
出口会议结果
计量经济学建模师为您分享你的会话提供了几个选择的结果。您选择的选项取决于您的分析目标。
分享你的选择结果出口部分的计量经济学建模师选项卡。此表描述了可用的选项。
选项 | 描述 |
---|---|
出口变量 |
出口时间序列变量和模型的MATLAB工作区。 选择这个选项在MATLAB命令行进行进一步分析。例如,您可以从估计生成预测模型或检查几个模型的预测性能。 |
生成函数 |
生成一个MATLAB函数使用以外的应用程序。函数接受数据加载到应用程序作为输入,输出一个模型估计在应用程序会话。 选择这个选项:
|
生成生活功能 | 生成一个MATLAB函数使用外部应用生活。函数接受数据加载到应用程序作为输入,输出一个模型估计在应用程序会话。 选择这个选项:
|
生成报告 |
生成一个报告,总结了会话。 选择这个选项,当你达到你的分析目标在计量经济学Modeler中,你想要分享的总结的结果。 |
输出变量
出口时间序列变量的估计模型时间序列或模型对MATLAB工作区面板:
在计量经济学建模师选项卡,出口部分中,点击或出口>出口变量。
在出口变量对话框,所有时间序列变量出现在左边的面板和所有模型变量出现在右窗格中。选择时间序列变量和模型出口通过选择相应的复选框选择列。所有时间序列的应用选择复选框或模型变量中选择时间序列和模型窗格。清除所有复选框为变量你不想出口。例如,这个图展示了如何选择
PSSGLog
时间序列和SARIMA_PSSGLog
SARIMA模型。点击出口。
所选变量出现在MATLAB工作区。列向量时间序列变量双精度。估计模型是根据模型类型的对象(例如,一个ARIMA模型是一个出口华宇电脑
对象)。
另外,您可以通过选择至少一个出口变量变量,选择变量,右键单击并选择出口。
生成一个函数
应用程序可以生成一个纯文本函数或函数。两个函数之间的主要区别是用来编辑修改生成的功能:在MATLAB编辑器中编辑文本功能和生活功能的编辑器。为更多的细节在两个函数类型之间的差异,看到的什么是生活的脚本或功能?。
不管你选择函数的类型,生成的函数接受的数据加载到应用程序作为输入,输出一个模型估计在应用程序会话。出口一个MATLAB函数或函数创建一个模型估计生活在一个应用程序会话:
在模型窗格中,选择一个估计模型。
在计量经济学建模师选项卡,出口部分中,点击出口。在出口菜单中,选择生成函数或生成生活功能。
MATLAB编辑器或编辑器将显示一个untitled生活,未保存的功能包含的代码估计模型。
默认情况下,函数名
modelTimeSeries
。函数接受最初的进口数据集作为输入。
函数估计模型之前,它从输入数据中提取的变量设置用于估计,并应用相同的转换变量应用于计量经济学建模者。
函数返回所选的估计模型。
考虑生成一个函数,它返回SARIMA_PSSGLog
SARIMA (0, 1, 1)×(0, 1, 1)12模型适合航空乘客的日志数据(见估计一个单变量模型)。这个数字显示生成的生活功能。
生成一个报告
计量经济学建模师可以产生一个报告描述你的活动选择变量时间序列模型。相对应的应用程序组织调查报告章节选择变量时间序列模型。章节描述会话活动,执行相应的变量。
章节描述时间序列变量转换、阴谋和测试执行选定的变量在会话中。估计模型章节包含一个评估汇总的元素模型的总结文档(见估计一个单变量模型),和残余诊断情节和测试。
您可以导出报告如下文档类型之一:
超文本标记语言(HTML)
微软®词XML格式文档(多克斯)
可移植文档格式(PDF)
出口报告:
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。
为报告对话框选择变量,所有时间序列变量的时间序列窗格中出现在左边的面板和所有模型变量模型窗格中出现在右窗格中。选择变量包括报告通过选择的复选框选择列。
点击选择一个文档类型报告格式并选择你想要的格式。
点击好吧。
在选择文件编写亮点:
浏览你想要的文件夹保存报告。
在文件名称框中,输入一个名字的报告。
点击保存。
考虑生成一个HTML报告的分析数据(见航空乘客进行拟合优度检验)。这个图显示了如何选择所有变量和HTML格式。
这个图显示了一个示例生成的报告。
引用
[1]盒子,乔治·e·P。,Gwilym M. Jenkins, and Gregory C. Reinsel.时间序列分析:预测与控制。第三。恩格尔伍德悬崖,新泽西:普伦蒂斯霍尔,1994年。
另请参阅
应用程序
相关的话题
- 准备时间序列计量经济学建模应用程序的数据
- 时间序列数据导入到计量经济学建模应用
- 阴谋使用计量经济学时间序列数据建模师应用
- 使用计量经济学建模应用程序检测序列相关性
- 使用计量经济学建模应用程序检测拱效应
- 评估使用Modeler计量经济学时间序列的平稳性
- 评估多个系列使用计量经济学建模应用程序之间的共线性
- 使用计量经济建模师进行协整检验
- 变换使用计量经济学时间序列建模应用
- 实现Box-Jenkins Modeler使用计量经济学模型选择和评估程序
- 估计乘法ARIMA模型使用计量经济建模器应用程序
- 使用计量经济建模器指定t创新分布应用程序
- 使用计量经济学建模应用程序执行ARIMA模型残差诊断
- 估计使用计量经济学Modeler ARIMAX模型应用
- 使用计量经济建模师估计向量自回归模型
- 使用计量经济建模师估计向量误差修正模型
- 利用计量经济学Modeler创建模型后比较预测性能
- 估计回归模型和ARMA使用计量经济学建模应用程序错误
- 选择拱滞后使用计量经济学建模应用GARCH模型
- 比较条件方差模型适合统计使用计量经济建模器应用程序
- 分享成果的计量经济学建模应用程序会话
- 使用计量经济学建模应用程序创建ARIMA模型