这个例子说明如何共享通过计量建模应用程序会话的结果:
将时间序列和模型变量导出到MATLAB®工作区
生成应用程序外部使用的MATLAB纯文本和实时函数
生成时间序列和模型估计您的活动报告
在会议上,例如转换和情节的数据,运行统计检验,并估计乘积季节ARIMA模型。数据集数据_航空公司.mat
包含航空公司乘客的每月计数。
在命令行中,加载数据_航空公司.mat
数据集。
加载Data_Airline
在命令行中,打开计量经济学建模应用程序。
econometricModeler
或者,从应用程序库中打开应用程序(请参见计量经济学建模)。
进口数据表
进入应用程序:
上计量经济学建模标签,在进口节,单击。
在导入数据对话框中的导入?列中,选中数据表
变量。
点击进口。
变量PSSG
出现在数据浏览器,其时间序列图显示在时间序列图(PSSG)图形窗口。
该系列表现出季节性趋势、序列相关性和可能的指数增长。有关串行关联的交互分析,请参见使用计量经济学建模器App检测序列相关性。
通过将日志转换应用于PSSG
。
在数据浏览器,选择PSSG
。
上计量经济学建模标签,在变换节,单击原木。
转换变量普斯格洛格
出现在数据浏览器,其时间序列图显示在时间序列图(PSSGLog)图形窗口。
该指数增长似乎是从该系列中删除。
应用12阶季节性差异来处理季节性趋势。与普斯格洛格
在所选择的数据浏览器,在计量经济学建模标签,在变换部分,设置季节性的到德意志北方银行
. 然后,单击季节性的。
转换变量PSSGLogSeasonalDiff公司
出现在数据浏览器,其时间序列图显示在时间序列图(PSSGLogSeasonalDiff)图形窗口。
转换后的序列似乎有一个单位根。
测试零假设PSSGLogSeasonalDiff公司
具有通过使用扩张的Dickey-Fuller检定一个单位根。指定另一种方法是一个AR(0)模型,然后测试再次指定AR(1)模型。调整显着性水平0.025,以保持0.05的总显着性水平。
同PSSGLogSeasonalDiff公司
在所选择的数据浏览器,在计量经济学建模标签,在测验节,单击新的测试>单位根检验。
上ADF标签,在参数部分,设置显着性水平到0.025
。
在测验节,单击运行测试。
在参数部分,设置滞后数到1
。
在测验节,单击运行测试。
测试结果显示在结果的表ADF(PSSGLogSeasonalDiff)文件。
两个测试失败拒绝零假设,即该系列是一个单位根处理。
通过将第一差值以解决单元根PSSGLogSeasonalDiff公司
. 与PSSGLogSeasonalDiff公司
在所选择的数据浏览器,单击计量经济学建模标签。然后,在变换节,单击区别。
转换变量PSSGLogSeasonalDiffDiff
出现在数据浏览器,其时间序列图显示在时间序列图(PSSGLogSeasonalDiffDiff)图形窗口。
重命名PSSGLogSeasonalDiffDiff
变量PSSGStable公司
:
在数据浏览器,右键单击PSSGLogSeasonalDiffDiff
。
在上下文菜单中选择重命名。
进入PSSGStable公司
。
该应用程序更新与改造系列相关的所有文档的名称。
通过绘制样品自相关函数(ACF)和局部自相关函数(PACF)确定数据的一个条件均值模型滞后结构。
同PSSGStable公司
在所选择的数据浏览器,单击情节选项卡,然后单击ACF。
显示的ACF的第50个滞后。上ACF选项卡,设置滞后数到50个
。
单击情节选项卡,然后单击太平洋基金会。
显示前50个滞后的PACF。上太平洋基金会选项卡,设置滞后数到50个
。
拖动ACF(PSSGStable)图窗口上方PACF(PSSGStable)图形窗口。
根据[1]在ACF和PACF自相关表明以下SARIMA(0,1,1)×(0,1,1)德意志北方银行模型适用于普斯格洛格
。
关闭所有窗口身影。
指定SARIMA(0,1,1)×(0,1,1)德意志北方银行模型。
在数据浏览器,选择普斯格洛格
时间序列。
上计量经济学建模标签,在模型部分,单击箭头>SARIMA。
在SARIMA模型参数对话框,在滞后顺序标签页:
非季节性部分
组集成度到1
。
组移动平均订单到1
。
清除包含常数项复选框。
季节性的部分
组期到德意志北方银行
指示月度数据。
组移动平均订单到1
。
选择包括季节性的差异复选框。
点击估计。
该模型变量SARIMA_PSSGLog
出现在数据浏览器,其估计摘要显示在模型摘要(SARIMA_PSSGLog)文件。
出口普斯格洛格
,PSSGStable公司
,和SARIMA_PSSGLog
到MATLAB工作区。
上计量经济学建模标签,在出口节,单击。
在导出变量对话框中,选择选择的复选框普斯格洛格
和PSSGStable公司
时间序列,以及SARIMA_PSSGLog
型号(如有必要)。应用程序会自动选中在数据浏览器。
点击出口。
在命令行中,列出工作区中的所有变量。
谁是
名称大小字节类属性数据144x1 1152双DataTable的144x1 3192时间表说明22x54 2376字符PSSGLog 144x1 1152双PSSGStable 144x1 1152双SARIMA_PSSGLog 1x1的7963华宇日期144x1 1152双系列的1x1 162细胞
的内容数据_航空公司.mat
,数值向量普斯格洛格
和PSSGStable公司
,估计华宇
模型对象SARIMA_PSSGLog
在工作区中的变量。
预测未来三年使用日志航线旅客数(36个月)SARIMA_PSSGLog
. 指定普斯格洛格
作为样品前的数据。
numObs = 36;fPSSG =预测(SARIMA_PSSGLog,numObs,'Y0',PSSGLog);
画出乘客计数和预测。
fh=数据表时间(结束)+平静月(1:numObs);图形;绘图(数据表时间,exp(PSSGLog));保持在情节(FH,实验值(fPSSG));传说('航空乘客计数','预测计数',...'位置',“最佳”)标题('1949-1963年每月航空客运量')伊拉贝尔(“乘客计数”)保持离
生成一个用于应用程序外部的MATLAB函数。函数返回估计的模型SARIMA_PSSGLog
鉴于数据表
。
在数据浏览器在应用程序中,选择SARIMA_PSSGLog
模型。
上计量经济学建模标签,在出口节,单击出口>生成功能。在MATLAB编辑器打开,并包含一个名为功能modelTimeSeries
. 函数接受数据表
(在此会话中导入的变量),转换数据并返回估计的SARIMA(0,1,1)×(0,1,1)德意志北方银行模型SARIMA_PSSGLog
。
上编辑选项卡,单击保存>保存。
功能保存通过点击当前文件夹保存在里面选择文件另存为对话框。
在命令行,估计SARIMA(0,1,1)×(0,1,1)德意志北方银行通过模型数据表
到modelTimeSeries.m
。命名模型萨里玛
. 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)模型季节性集成为季节性MA(12)(高斯分布)有效样本规模:144估计的参数数量:3对数似然:276.198 AIC:-546.397 BIC:-537.488值StandardError的TStatistic p值_________ _____________ ____________________常数0 0楠楠MA {1} -0.37716 0.066794 -5.6466 1.6364e-08 SMA {12} -0.57238 0.085439 -6.6992 2.0952e-11方差0.0012634 0.00012395 10.193 2.1406e-24 ARIMA(0,1,1)模型季节性集成与季节性MA(12)(高斯分布)有效样本规模:144估计的参数数量:3对数似然:276.198 AIC:-546.397 BIC:-537.488值StandardError的TStatistic p值_________ _____________ __________ __________常数0 0楠楠MA {1}-0.37716 0.066794 -5.6466 1.6364e-08 SMA {12} -0.57238 0.085439 -6.6992 2.0952e-11方差0.0012634 0.00012395 10.193 2.1406e-24
正如预期的那样,该机型是相同的。
不像一个纯文本的功能,实况功能包含格式的文本和公式,你可以使用Live编辑器修改。
生成供应用程序外部使用的实时函数。函数返回估计的模型SARIMA_PSSGLog
鉴于数据表
。
在数据浏览器在应用程序中,选择SARIMA_PSSGLog
模型。
上计量经济学建模标签,在出口节,单击出口>产生肝功能。实时编辑器打开,并包含一个名为功能modelTimeSeries
. 函数接受数据表
(在此会话中导入的变量),转换数据并返回估计的SARIMA(0,1,1)×(0,1,1)德意志北方银行模型SARIMA_PSSGLog
。
上现场编辑标签,在文件节,单击保存>保存。
功能保存通过点击当前文件夹保存在里面选择文件另存为对话框。
在命令行,估计SARIMA(0,1,1)×(0,1,1)德意志北方银行通过模型数据表
到modelTimeSeries.m
。命名模型萨里玛
. 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)模型季节性集成为季节性MA(12)(高斯分布)有效样本规模:144估计的参数数量:3对数似然:276.198 AIC:-546.397 BIC:-537.488值StandardError的TStatistic p值_________ _____________ ____________________常数0 0楠楠MA {1} -0.37716 0.066794 -5.6466 1.6364e-08 SMA {12} -0.57238 0.085439 -6.6992 2.0952e-11方差0.0012634 0.00012395 10.193 2.1406e-24 ARIMA(0,1,1)模型季节性集成与季节性MA(12)(高斯分布)有效样本规模:144估计的参数数量:3对数似然:276.198 AIC:-546.397 BIC:-537.488值StandardError的TStatistic p值_________ _____________ __________ __________常数0 0楠楠MA {1}-0.37716 0.066794 -5.6466 1.6364e-08 SMA {12} -0.57238 0.085439 -6.6992 2.0952e-11方差0.0012634 0.00012395 10.193 2.1406e-24
正如预期的那样,该机型是相同的。
在上生成所有操作的PDF报告普斯格洛格
和PSSGStable公司
时间序列,以及SARIMA_PSSGLog
模型。
上计量经济学建模标签,在出口节,单击出口>生成报表。
在为报表选择变量对话框中,选择选择的复选框普斯格洛格
和PSSGStable公司
时间序列,以及SARIMA_PSSGLog
型号(如有必要)。应用程序会自动选中在数据浏览器。
点击好 啊。
在选择要写入的文件对话框中,导航到C:\ MyData的
文件夹。
在文件名盒子,类型SARIMAReport
。
点击保存。
该应用程序发布到创建所需的代码普斯格洛格
,PSSGStable公司
,和SARIMA_PSSGLog
在PDFC: \MyData公司\萨里玛报告.pdf
. 报告包括:
标题页和目录
包含选定时间序列的绘图
变换的说明施加到选定的时间系列
统计检验结果所选择的时间序列进行
所选择的模型估算摘要
[1]Box,G.E.P.,G.M.Jenkins和G.C.Reinsel。时间序列分析:预测与控制。第3版。新泽西州Englewood Cliffs:Prentice Hall出版社,1994年。