条件均值模型
应用程序
| 计量经济学建模者 | 分析和模型计量时间序列 |
功能
例子和如何
创建模型
使用时创建条件均值模型阿里玛或计量的Moderser应用程序。
使用点表示法更改可修改的模型属性。
指定Gaussian或T分布式创新过程，或用于方差过程的条件方差模型。
以交互方式指定TARIMA模型的创新分布。
使用创建平稳自回归模型阿里玛或计量的Moderser应用程序。
使用可逆移动平均模型使用阿里玛或计量的Moderser应用程序。
使用创建平稳和可逆自回归移动平均模型阿里玛或计量的Moderser应用程序。
使用自动增加综合移动平均模型阿里玛或计量的Moderser应用程序。
使用创建ARIMAX模型阿里玛或计量的Moderser应用程序。
使用创建乘法ARIMA模型阿里玛或计量的Moderser应用程序。
创建季节性Arima模型。
创建复合条件均值和方差模型。
使模型适合数据
当您将时间序列模型与数据拟合时，模型中的滞后项需要初始化，通常在样本开始时进行观测。
使用计量计量模型应用程序实现Box-Jenkins模型选择和估计
交互地实施盒子jenkins方法，以选择适当的条件均值模型的滞后数。然后，将模型拟合到数据并将估计的模型导出到命令行以生成预测。
比较Box-Jenkins和ARIMA估计。
使用信息准则选择ARMA模型。
交互式地估计乘法季节ARIMA模型。
估计乘性季节ARIMA模型。
通过指定乘法模型或使用季节性模型来估计季节性ARIMA模型。
以交互方式指定和估计ARIMAX模型。
估计复合条件均值和方差模型。
通过执行残差诊断，交互方式评估拟合数据到ARIMA模型之后的模型假设。
从拟合的ARIMA模型推断残差。
将变量导出到MATLAB®工作区，生成纯文本和实时函数，返回应用程序会话中估计的模型，或生成报告，记录时间序列上的活动和计量经济学建模器应用程序会话中估计的模型。
生成模拟或脉冲响应
模拟固定自回归模型和移动平均模型。
通过仿真说明了趋势静止和差异静止过程之间的区别。
模拟乘法季节性ARIMA模型的示例路径。
从复合条件均值和方差模型模拟响应和条件方差。
绘制一元自回归移动平均模型的脉冲响应函数。
生成最小均方误差预测
通过比较估计模型的AIC值，交互式地选择ARIMA模型的滞后。然后，将几个模型导出到命令行以比较它们的预测性能。
预测乘法季节性Arima模型。
评估AR模型预测的渐近收敛性，并比较使用和不使用样本前数据进行的预测。
复合条件均值和方差模型的预测响应和条件差异。
通过计算MMSE预测或使用蒙特卡罗模拟来预测ARIMAX模型。
此示例显示如何将时间线分为预先定位，估计和预测期，并且它显示了如何提供适当的观察次数以初始化动态模型以进行估计和预测。
概念
econometricmodeler应用程序是一个可视化和分析单变量时间序列数据的交互式工具。
使用计量常调器指定时间序列模型估计的滞后操作多项式术语。
了解条件均值模型的特征和形式。
了解自动增加模型。
了解移动平均模型。
了解自动增加，移动平均模型。
了解自回归综合移动平均模型。
了解使用乘法Arima模型来了解季节性和潜在的季节性单位根源。
了解包含外生变量线性项的ARIMA模型。
了解有条件均值模型进行最大可能性的最大可能性。
使用已知参数值在估计期间约束模型。
指定预采样数据以初始化模型。
指定估算的初始参数值。
通过指定替代优化选项来解决估算问题。
了解蒙特卡罗模拟。
了解模拟的预采样要求。
学习如何最小化瞬态效应。
了解蒙特卡罗预测。
了解MMSE预测。
相关信息
特色实例
您还可以从以下列表中选择一个网站：
