推断出
推断ARIMA或ARIMAX模型残差或条件方差
语法
(E, V) =推断(Mdl, Y)
[E, V, logL] =推断(Mdl, Y)
[E, V, logL] =推断(Mdl Y、名称、值)
描述
［推导拟合数据的单变量ARIMA模型的残差和条件方差E，V) =推断(Mdl，Y）Y．
［另外返回对数似然目标函数值。E，V，logL) =推断(Mdl，Y）
[E, V, logL] =推断(Mdl Y推断ARIMA或ARIMAX模型残差和条件方差，并返回对数似然目标函数值，以及由一个或多个指定的附加选项名称,值）名称,值对参数。
输入参数
输出参数
例子
推断出残差
从AR模型推断残差。
使用已知参数指定一个AR(2)模型。
Mdl = arima (基于“增大化现实”技术的{0.5, -0.8},“不变”, 0.002,．.．“方差”, 0.8);
用102个观测数据模拟响应数据。
rng“默认”；Y =模拟(Mdl, 102);
使用前两个响应作为样本数据，并推断其余100个观察结果的残差。
E =推断(Mdl, Y(3:结束),“Y0”Y (1:2));图;情节(E);标题隐式残差的；
推断出条件方差
从AR(1)和GARCH(1,1)复合模型推断条件方差。
使用已知参数指定一个AR(1)模型。让方差等于agarch模型。
Mdl = arima (基于“增大化现实”技术的{0.8, -0.3},“不变”, 0);MdlVar = garch (“不变”, 0.0002,“四国”, 0.6,．.．“拱”, 0.2);Mdl。Variance = MdlVar;
用102个观测数据模拟响应数据。
rng“默认”；Y =模拟(Mdl, 102);
在不使用前样本数据的情况下，推断最近100个观测值的条件方差。
(电子战,大众)=推断(Mdl Y(3:结束);
使用前两个观测值作为样本前数据，推断最后100个观测值的条件方差。
(E, V) =推断(Mdl Y(3:结束),“Y0”Y (1:2));
绘制两组条件方差以供比较。检查最初的几个观察结果，以在开始时看到系列之间的细微差别。
图;次要情节(2,1,1);情节(大众,“r”，“线宽”2);持有在；情节(V);传奇(“没有Presample”，“与Presample”）;标题推断条件方差的；持有从次要情节(2,1,2);情节(大众(1:5),“r”，“线宽”2);持有在；情节(V (1:5));传奇(“没有Presample”，“与Presample”）;标题系列的开始；持有从
从ARMAX模型推断残差
从ARMAX模型推断残差。
使用已知参数为响应指定一个ARMA(1,2)模型(医学博士)和预测数据的AR(1)模型(MdlX)．
md = arima (基于“增大化现实”技术的, 0.2,“马”{-0.1, 0.6},“不变”，．.．1，“方差”2,“β”3);MdlX = arima (基于“增大化现实”技术的, 0.3,“不变”0,“方差”1);
用102个观测数据模拟响应和预测数据。
rng“默认”；%的再现性X =模拟(MdlX, 102);102年Y =模拟(医学博士,“X”, X);
使用前两个响应作为样本数据，并推断其余100个观察结果的残差。
E =推断(医学博士,Y(3:结束),“Y0”Y (1:2),“X”, X);图;情节(E);标题隐式残差的；
参考文献
[1] Box, G. E. P. G. M. Jenkins和G. C. Reinsel。时间序列分析:预测与控制3版。恩格尔伍德悬崖，NJ: Prentice Hall, 1994。
恩德斯[2],W。应用计量经济时间序列．霍博肯:约翰·威利父子公司，1995。
j·D·汉密尔顿时间序列分析．普林斯顿:普林斯顿大学出版社，1994。
你也可以从以下列表中选择一个网站:
