经济型橱柜 | 分析和模型计量时间序列 |
使用时创建条件均值模型阿玛玛
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A.T.ARIMA模型的创新分布。
使用静止自回归模型使用阿玛玛
或计量的Moderser应用程序。
使用可逆移动平均模型使用阿玛玛
或计量的Moderser应用程序。
使用静止和可逆的自回归移动平均模型使用阿玛玛
或计量的Moderser应用程序。
使用自动增加综合移动平均模型阿玛玛
或计量的Moderser应用程序。
使用创建ARIMAX模型阿玛玛
或计量的Moderser应用程序。
使用乘法Arima模型使用阿玛玛
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。
当您将时间序列模型适合数据时,模型中的滞后术语需要初始化,通常在样本开始时观察。
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。
使用信息标准选择ARMA模型。
互动估计乘法季节性ARIMA模型。
估计乘法季节性Arima模型。
通过指定乘法模型或使用季节性假人来估计季节性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Arima模型中推断残留物。
将变量导出到MATLAB®工作区,生成纯文本和实时函数,可返回应用程序会话中估计的型号,或者在计量计量模型应用程序会话中生成在时间序列和估计模型上记录您的活动的报告。
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差异。
绘制单变量自回归移动平均模型的脉冲响应函数。
通过比较估计模型的AIC值来交互方式为ARIMA模型选择滞后。然后,将多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。
评估来自AR模型的预测的渐近融合,并比较使用和不使用预先数据的预测。
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Monte Carlo仿真预测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。
计量计量Modeler应用程序是一种用于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。
了解有条件均值模型的特点和形式。
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。
了解自动增加综合移动平均模型。
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Arima模型,包括用于外源变量的线性术语。
了解有条件均值模型进行最大可能性的最大可能性。
在使用已知参数值的估计期间约束模型。
指定预先列为数据以初始化模型。
指定估计的初始参数值。
通过指定备用优化选项来解决估计问题。
了解蒙特卡罗模拟。
了解模拟的预先要求。
了解如何最大限度地减少瞬态效果。
了解蒙特卡罗预测。
了解MMSE预测。