此示例显示如何使用非季度集成估算Arima模型估计
.在估计之前,序列是不差的。将结果与Box- jenkins建模策略进行比较,在Box- jenkins建模策略中,首先对数据进行差异,然后将其建模为平稳的ARMA模型(Box等,1994)。
时间序列是从1972年至1991年衡量的日志季度澳大利亚消费者价格指数(CPI)。
加载并绘制澳大利亚CPI数据。
加载data_jaustralian.Y = DataTable.Pau;t =长度(y);图绘图(y);H = GCA;%定义了当前轴的手柄h.XLim = [0, T];%设置X轴限制h.xticklabel = datestr(日期(1:10:t),17);%标签x轴刻度线标记标题('日志澳大利亚CPI')
该系列是不平稳的,有明显的上升趋势。这表明在使用平稳模型(如Box-Jenkins方法所建议的)或直接拟合非平稳ARIMA模型之前,要对数据进行差异处理。
指定Arima(2,1,0)模型和估计。
MDL = Arima(2,1,0);estmdl =估计(mdl,y);
ARIMA(2,10)型号(高斯分布):价值标准误节Tstatistic pvalue __________ ______________________________________________0707 0.095428 2.22220 0.0095428 2.22220 0.095428 2.2490 0.030123S 2.2499 0.011543 veriance 9.2302e-05 1.1290-05 8.3066 9.8491E-17
估计的模型是
在哪里 通常以标准偏差0.01分发。
估计的AR系数的迹象对应于模型方程的右侧的AR系数。在滞后运营商多项式表示法中,拟合模型是
在AR系数上具有相反的标志。
采取数据的第一个区别。使用差异数据估算AR(2)模型。
dy = diff(y);mdlar =阿里马(2,0,0);Estmdlar =估计(MDLAR,DY);
ARIMA(2,0,0)型号(高斯分布):价值标准误节TSTATIVEPPVALUE __________ __________________________________________0.20119 0.1180115 AR {2} 0.0119 0.1180315 AR-05 8.1062 5.222E-16
参数点估计与那些非常相似estmdl.
.但是,当估计之前数据差异差异,标准错误较大。
使用估计的AR模型进行预测(estmdlar.
)将在差异范围内。使用估计的Arima模型进行预测(estmdl.
)将与原始数据相同。
参考:
Box,G. E.P.,G. M. Jenkins和G. C. Reinsel。时间序列分析:预测和控制.3 ed。Englewood Cliffs,NJ:Prentice Hall,1994年。