主要内容

使用计量计量模型应用程序估算乘法Arima模型

此示例显示如何通过使用计量计量仪器应用程序来估算乘法季节性ARIMA模型。数据集data_airline.mat.包含每月的航空公司乘客计数。

将数据导入经济学型号

在命令行，加载data_airline.mat.数据集。

加载data_airline.

在命令行，打开经济型橱柜应用程序。

COMOLOMETRICMODELER.

或者，从Apps Gallery打开应用程序（参见经济型橱柜）。

进口数据可图进入应用程序：

  1. 在这一点经济型橱柜标签，在进口部分，点击。

  2. 在里面导入数据对话框，在进口？列，选择复选框数据可图多变的。

  3. 点击进口。

变量Pssg.出现在时间序列窗格，其值出现在预习窗格，它的时间序列情节出现在时间序列图（PSSG）图窗口。

该系列呈现出季节性趋势，串行相关性和可能的​​指数增长。对于串行相关的互动分析，请参阅使用计量计量模型应用程序检测串行相关性。

稳定系列

通过将日志转换应用于来解决指数趋势Pssg.。

  1. 在里面时间序列窗格，选择Pssg.。

  2. 在这一点经济型橱柜标签，在转变部分，点击日志。

变换变量pssglog.出现在时间序列窗格，其值出现在预习窗格，它的时间序列情节出现在时间序列情节（pssglog）图窗口。

指数增长似乎从系列中取出。

通过应用第12次季节差异来解决季节趋势。和pssglog.选中在时间序列窗格，在经济型橱柜标签，在转变部分，集季节性的至12.。然后，点击季节性的。

变换变量pssglogseasonaldiff出现在时间序列窗格，它的时间序列情节出现在时间序列情节（Pssglogseasonaldiff）图窗口。

转换系列似乎有一个单位根。

测试空假设pssglogseasonaldiff通过使用增强的DICKEY-FULLER测试具有单位根。指定替代方案是AR（0）模型，然后再次测试指定AR（1）模型。将显着性水平调整为0.025以保持总意义水平为0.05。

  1. 和pssglogseasonaldiff选中在时间序列窗格，在经济型橱柜标签，在测试部分，点击新测试>增强DICKEY-FULLER测试。

  2. 在这一点adf.标签，在参数部分，集意义程度至0.025。

  3. 在里面测试部分，点击运行测试。

  4. 在里面参数部分，集滞后数量至1。

  5. 在里面测试部分，点击运行测试。

测试结果出现在结果表的表adf（pssglogseasonaldiff）文档。

两个测试都无法拒绝零假设，即该系列是单位根过程。

通过应用第一个差异来解决单位根目录pssglogseasonaldiff。和pssglogseasonaldiff选中在时间序列窗格，单击经济型橱柜标签。然后，在里面转变部分，点击区别。

变换变量pssglogseasonaldiffdiff出现在时间序列窗格，它的时间序列情节出现在时间序列情节（pssglogseasonaldiffdiff）图窗口。

在里面时间序列窗格，重命名pssglogseasonaldiffdiff通过单击两次以选择其名称和进入来变量pssgstable.。

应用程序更新与转换系列关联的所有文档的名称。

识别系列模型

通过绘制样本自相关函数（ACF）和部分自相关函数（PACF）来确定数据的条件平均模型的滞后结构。

  1. 和pssgstable.选中在时间序列窗格，单击绘图选项卡，然后单击ACF.。

  2. 显示ACF的前50个滞后。在这一点ACF.标签，设置滞后数量至50.。

  3. 点击绘图选项卡，然后单击PACF.。

  4. 显示PACF的前50次滞后。在这一点PACF.标签，设置滞后数量至50.。

  5. 拖着ACF（PSSGstable）图窗口上方PACF（PSSGStable）图窗口。

根据[1]，ACF和PACF中的自相关表明以下Sarima（0,1,1）×（0,1,1）12.模型适用于PSSGLOG。

（ 1 - L. ） （ 1 - L. 12. ） y T. = （ 1 + θ. 1 L. ） （ 1 + θ. 12. L. 12. ） ε. T. 。

关闭所有图形窗口。

指定和估计Sarima模型

指定Sarima（0,1,1）×（0,1,1）12.模型。

  1. 在里面时间序列窗格，选择pssglog.时间序列。

  2. 在这一点经济型橱柜标签，在楷模部分，单击箭头>Sarima.。

  3. 在里面Sarima模型参数对话框，在滞后顺序标签：

    • 非季度部分

      1. 放整合程度至1。

      2. 放移动平均订单至1。

      3. 清除包括常数术语复选框。

    • 季节性的部分

      1. 放时期至12.表示每月数据。

      2. 放移动平均订单至1。

      3. 选择包括季节性差异复选框。

  4. 点击估计。

模型变量sarima_pssglog.出现在楷模窗格，其值出现在预习窗格，其估算摘要出现在模型摘要（Sarima_pssglog）文档。

结果包括：

  • 模型适合- 时间序列情节pssglog.和拟合价值sarima_pssglog.。

  • 剩余情节- 一个时间序列的残差sarima_pssglog.。

  • 参数- 估计参数表sarima_pssglog.。因为在估计期间，恒定项将固定为0，所以其值和标准误差为0。

  • 适合的善良- AIC和BIC统计数据sarima_pssglog.。

参考

[1]盒子，乔治E.P.，Gwilym M. Jenkins和Gregory C. Reinsel。时间序列分析：预测和控制。3 ed。Englewood Cliffs，NJ：Prentice Hall，1994年。

也可以看看

应用

对象

职能

相关话题

OuthoMetrics工具箱文档

金宝app

用Matlab建模财务风险的实用指南

用Matlab建模财务风险的实用指南

下载电子书