计量经济学建模应用程序会话中分享成果
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。
数据导入到计量建模
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。
稳定系列
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。
系列识别模型
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。
指定和估计SARIMA模型
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。
将变量导出到工作区
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
从应用程序会话生成纯文本函数
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。
从应用程序会话生成实时函数
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。
生成报告
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
参考
[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。
也可以看看
应用程序
对象
功能
相关的话题
您还可以选择从下面的列表中的网站：
