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®工作空间
生成MATLAB纯文本和活动的功能以外的应用程序
生成时间序列和模型估计您的活动报告
在会话期间,示例转换和绘制数据,运行统计测试,并估计乘法季节性ARIMA模型。数据集Data_Airline.mat
包含每月的航空旅客数量。
在命令行,加载Data_Airline.mat
数据集。
加载Data_Airline
在命令行,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(参见计量经济学建模)。
进口数据表
为应用程序:
在计量经济学建模选项卡,在进口部分中,点击。
在导入数据对话框中进口吗?列,选择复选框数据表
变量。
点击进口。
的变量PSSG
出现在数据浏览器,其时间序列图显示在时间序列图(PSSG)图窗口。
该系列表现出季节性趋势、系列相关性和可能的指数增长。有关串行相关的交互式分析,请参阅使用计量经济学建模应用程序检测序列相关性。
通过应用对数变换来处理指数趋势PSSG
。
在数据浏览器中,选择PSSG
。
在计量经济学建模选项卡,在变换部分中,点击日志。
转换后的变量PSSGLog
出现在数据浏览器,其时间序列图显示在时间序列图(PSSGLog)图窗口。
该指数增长似乎是从该系列中删除。
利用12阶季节差异处理季节趋势。同PSSGLog
在所选择的数据浏览器,在计量经济学建模选项卡,在变换部分,设置季节性来12
。然后,单击季节性。
转换后的变量PSSGLogSeasonalDiff
出现在数据浏览器,其时间序列图显示在时间序列图(PSSGLogSeasonalDiff)图窗口。
变换后的级数似乎有一个单位根。
检验原假设PSSGLogSeasonalDiff
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
在所选择的数据浏览器,在计量经济学建模选项卡,在测试部分中,点击新的测试>增强Dickey-Fuller测试。
在ADF选项卡,在参数部分,设置显着性水平来0.025
。
在测试部分中,点击运行测试。
在参数部分,设置滞后数来1
。
在测试部分中,点击运行测试。
测试结果显示在结果的表ADF (PSSGLogSeasonalDiff)文档。
这两个测试都未能拒绝原假设,即该系列是一个单位根进程。
通过将第一差值以解决单元根PSSGLogSeasonalDiff
。同PSSGLogSeasonalDiff
在所选择的数据浏览器, 点击计量经济学建模标签。然后,在变换部分中,点击区别。
转换后的变量PSSGLogSeasonalDiffDiff
出现在数据浏览器,其时间序列图显示在时间序列图(PSSGLogSeasonalDiffDiff)图窗口。
重命名PSSGLogSeasonalDiffDiff
变量PSSGStable
:
在数据浏览器,右键单击PSSGLogSeasonalDiffDiff
。
在上下文菜单中选择重命名。
输入PSSGStable
。
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
在所选择的数据浏览器, 点击情节选项卡,然后单击ACF。
显示ACF的前50个滞后。在ACF选项卡,设置滞后数来50
。
单击情节选项卡,然后单击PACF。
显示PACF的前50个滞后。在PACF选项卡,设置滞后数来50
。
拖动ACF (PSSGStable)图窗口的上方PACF (PSSGStable)图窗口。
根据[1]在ACF和PACF自相关表明以下SARIMA(0,1,1)×(0,1,1)12模型适用于PSSGLog
。
关闭所有窗口身影。
指定SARIMA(0,1,1)×(0,1,1)12模型。
在数据浏览器,选择PSSGLog
时间序列。
在计量经济学建模选项卡,在模型部分,点击箭头>SARIMA。
在SARIMA模型参数对话框中延迟订单标签:
非季节性部分
组集成度来1
。
组移动平均线顺序来1
。
清除包括常数项复选框。
季节性部分
组期来12
指示月度数据。
组移动平均线顺序来1
。
选择包括季节性差异复选框。
点击估计。
该模型变量SARIMA_PSSGLog
出现在数据浏览器,其估计摘要见模型摘要(SARIMA_PSSGLog)文档。
出口PSSGLog
,PSSGStable
和SARIMA_PSSGLog
转到MATLAB工作空间。
在计量经济学建模选项卡,在出口部分中,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)。中高亮显示的所有变量,应用程序自动选择复选框数据浏览器。
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
内容Data_Airline.mat
,数值向量PSSGLog
和PSSGStable
,以及估计的华宇
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PSSGLog
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 = DataTable.Time(end) + calmonths(1:numObs);图;情节(DataTable.Time exp (PSSGLog));持有在情节(FH,实验值(fPSSG));传说(“航空乘客数量”,的预测数量,...“位置”,“最佳”)标题(“1949-1963年每月航空客运量”)ylabel (“乘客计数”)举行离
生成一个MATLAB函数,用于应用程序外部使用。该函数返回估计的模型SARIMA_PSSGLog
鉴于数据表
。
在数据浏览器的应用程序,选择SARIMA_PSSGLog
模型。
在计量经济学建模选项卡,在出口部分中,点击出口>生成功能。在MATLAB编辑器打开,并包含一个名为功能modelTimeSeries
。该函数接受数据表
(您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)12模型SARIMA_PSSGLog
。
在编辑器选项卡,单击保存>保存。
功能保存通过点击当前文件夹保存在选择文件另存为对话框。
在命令行,估计SARIMA(0,1,1)×(0,1,1)12模型通过数据表
来modelTimeSeries.m
。命名模型SARIMA_PSSGLog2
。比较估计的模型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。
生成一个在应用程序外部使用的活动函数。该函数返回估计的模型SARIMA_PSSGLog
鉴于数据表
。
在数据浏览器的应用程序,选择SARIMA_PSSGLog
模型。
在计量经济学建模选项卡,在出口部分中,点击出口>产生肝功能。实时编辑器打开,并包含一个名为功能modelTimeSeries
。该函数接受数据表
(您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)12模型SARIMA_PSSGLog
。
在住编辑器选项卡,在文件部分中,点击保存>保存。
功能保存通过点击当前文件夹保存在选择文件另存为对话框。
在命令行,估计SARIMA(0,1,1)×(0,1,1)12模型通过数据表
来modelTimeSeries.m
。命名模型SARIMA_PSSGLog2
。比较估计的模型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。
生成一个PDF报告的所有行动上PSSGLog
和PSSGStable
时间序列SARIMA_PSSGLog
模型。
在计量经济学建模选项卡,在出口部分中,点击出口>生成报告。
在为报表选择变量对话框中,选择选择的复选框。PSSGLog
和PSSGStable
时间序列SARIMA_PSSGLog
模型(如果有必要)。中高亮显示的所有变量,应用程序自动选择复选框数据浏览器。
点击好吧。
在选择要写入的文件对话框中,导航到C:\ MyData的
文件夹中。
在文件名称框,输入SARIMAReport
。
点击保存。
该应用程序发布到创建所需的代码PSSGLog
,PSSGStable
和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
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]博克斯,g.e.p., g.m.詹金斯,g.c.莱因塞尔。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。