条件是模型
应用程序
| 计量经济学建模师 | 分析计量经济时间序列并建立模型 |
功能
例子和如何
创建模型
使用创建条件均值模型华宇电脑或Econometric Modeler应用程序。
使用点符号更改可修改的模型属性。
指定高斯或t分布创新过程，或方差过程的条件方差模型。
交互式地指定一个tARIMA模型的创新分布。
使用。创建平稳自回归模型华宇电脑或Econometric Modeler应用程序。
创建可逆移动平均模型使用华宇电脑或Econometric Modeler应用程序。
创建平稳和可逆的自回归移动平均模型华宇电脑或Econometric Modeler应用程序。
使用创建自回归综合移动平均模型华宇电脑或Econometric Modeler应用程序。
创建ARIMAX模型使用华宇电脑或Econometric Modeler应用程序。
创建乘法ARIMA模型使用华宇电脑或Econometric Modeler应用程序。
创建一个季节性ARIMA模型。
创建一个复合条件均值和方差模型。
数据拟合模型
当您将时间序列模型与数据拟合时，模型中的滞后项需要初始化，通常在样本开始时进行观察。
使用计量经济学模型应用程序实现Box-Jenkins模型的选择和估计
交互式地实现Box-Jenkins方法，为条件平均模型选择适当的滞后数。然后，将模型与数据拟合，并将估计的模型导出到命令行，生成预测。
比较Box-Jenkins和ARIMA估计。
使用信息标准选择ARMA模型。
交互估计乘法季节性ARIMA模型。
估计一个乘法季节性ARIMA模型。
通过指定一个乘法模型或使用季节假人来估计季节ARIMA模型。
交互式地指定和估计一个ARIMAX模型。
估计一个复合条件均值和方差模型。
通过执行残差诊断，将数据拟合到ARIMA模型后，交互式地评估模型假设。
从拟合的ARIMA模型中推断残差。
分享Econometric Modeler App Session的结果
将变量导出到MATLAB®工作空间，生成纯文本和活动函数，返回一个应用程序会话中估计的模型，或生成一个报告，记录您的活动在时间序列和估计的模型在一个Econometric Modeler应用程序会话。
生成模拟或脉冲响应
模拟平稳自回归模型和移动平均模型。
通过模拟说明趋势平稳过程和差分平稳过程的区别。
模拟季节性ARIMA乘法模型的样本路径。
从一个复合条件均值和方差模型模拟响应和条件方差。
绘制单变量自回归移动平均模型的脉冲响应函数。
产生最小均方误差预测
通过比较估计模型的AIC值，交互式地选择ARIMA模型的滞后。然后，将几个模型导出到命令行，以比较它们的预测性能。
预测了乘法季节性ARIMA模型。
评估来自AR模型的预测的渐近收敛性，并比较使用和不使用样本数据的预测。
综合条件均值和方差模型的预测响应和条件方差。
利用MMSE预报或蒙特卡罗模拟对ARIMAX模型进行预报。
此示例展示了如何将时间轴划分为样例、估计和预测周期，并展示了如何提供适当数量的观察数据来初始化用于估计和预测的动态模型。
概念
Econometric Modeler应用程序是一个交互式工具，用于可视化和分析单变量时间序列数据。
使用Econometric Modeler指定时间序列模型估计的滞后算子多项式项。
了解条件均值模型的特征和形式。
了解自回归模型。
学习移动平均模型。
学习自回归移动平均模型。
了解自回归综合移动平均模型。
了解如何使用乘法ARIMA模型处理季节性和潜在的季节性单位根。
了解包含外生变量线性项的ARIMA模型。
学习如何对条件平均模型进行最大似然。
在使用已知参数值进行估计时约束模型。
指定样例数据来初始化模型。
指定用于估计的初始参数值。
通过指定可选优化选项来排除估计问题。
了解蒙特卡罗模拟。
了解模拟的样例要求。
学习如何最小化瞬时影响。
了解蒙特卡罗预测。
了解MMSE预测。
特色的例子
你也可以从以下列表中选择一个网站:
