主要内容

经济学造型

模型选择

概率时间序列模型对于各种各样的分析目标是必要的，包括回归推断、预测和蒙特卡罗模拟。在选择模型时，目标是找到能够充分描述数据的最简洁的模型。一个简单的模型更容易估计、预测和解释。

  • 规格测试帮助您确定一个或多个模型家族，可以合理地描述数据生成过程。

  • 模型比较帮助您比较竞争模型的适合度，以及复杂性的惩罚。

  • 优美检查帮助您评估模型的样本充足性，验证所有模型假设是否保持，并评估样本预测性能。

模型选择是一个迭代过程。当健康检查建议模型假设不满意 - 或者模型的预测性能不令人满意地考虑进行模型调整。附加规范测试，型号比较和拟合良好检查帮助指导此过程。

OuthoMetrics工具箱特征

建模问题 特征 相关功能
我的反应变量的维度是什么?

  • 条件均值和方差模型，具有Arima误差的回归模型以及该工具箱中的贝叶斯线性回归模型用于建模单变量，离散时间数据。

  • 对于多变量、离散时间数据，可以使用独立的模型，如VAR和VEC模型。

  • 状态空间模型支持单变量或多变量响应变量金宝app。
时间序列是平稳的吗?

  • 可以进行平稳性测试。如果您的数据不是固定的，请考虑转换数据。平稳性是许多时间序列模型的基础。

  • 或者，如果存在数据中的单位根目录，请考虑使用非营养性ARIMA模型。
时间序列有单位根吗?

  • 单位根测试可用。有利于单位根的证据表明您的数据差别静止。

  • 您可以使用单位根对级数进行差分，直到它是平稳的，或者使用非平稳的ARIMA模型对其建模。
我如何处理季节性效果？

  • 你可以对你的数据进行季节性调整。使用季节过滤器或回归模型来估计季节成分。

  • 季节性Arima模型使用季节性差异来消除季节性效果。您还可以包括季节性滞后，以模拟季节性自相关（acky和viclecticalive）。
我的数据是自相关的吗?

  • 示例自相关和部分自相关函数有助于识别自相关。

  • 进行Ljung-Box Q-Test，共同测试几个滞后的自相关。

  • 如果存在自相关，考虑使用条件平均模型。

  • 对于具有自相关错误的回归模型，请考虑使用FGL或HAC估计。如果错误模型结构是ARIMA模型，请考虑使用ARIMA错误的回归模型。
如果我的数据是异方差的(表现出波动聚类)怎么办?

  • 在平方残差序列中寻找自相关是检测条件异方差的一种方法。

  • 恩格尔的ARCH检验对独立创新无效的证据进行评估，支持ARCH模型替代方案。

  • 为了模拟条件异方差，考虑使用条件方差模型。

  • 对于表现出异镜误差的回归模型，考虑使用FGL或HAC估计。
是否有溶渗漏数据的高斯创新分布替代方案？

  • 你可以使用学生T.分布到模型的尾部比高斯分布（过量峰氏菌）。

  • 您可以指定一个T.所有条件均值和方差模型的创新分布，以及计量经济学工具箱™中的ARIMA误差模型。

  • 你可以估计它的自由度T.分布以及其他模型参数。
如何在几个模型之间决定？

  • 您可以使用误操作测试进行比较嵌套的模型，例如似然比测试，沃尔德的测试或拉格朗日乘数测试。

  • 信息标准，如AIC或BIC，比较模型适合以惩罚复杂性。
我是否有两个或两个以上的时间序列是协整的?

  • Johansen和Engle-Granger协整测试评估协整的证据。

  • 考虑使用VEC模型进行建模多变量，共聚集系列。

  • 在回归时间序列时也考虑协整。如果存在，它可以引入虚假的回归效果。
如果我想包括预测因子变量怎么办？

  • ARIMAX，Varx，带有Arima错误的回归模型和贝叶斯线性回归模型可在此工具箱中使用。

  • 状态空间模型支持预测数据。金宝app
如果我想实现回归何时何时才能申请古典线性模型假设？

  • 在这个工具箱中可以找到带有ARIMA误差的回归模型。

  • 使用FGL或HAC估计来鲁棒地回归。

  • 使用贝叶斯线性回归。

  • 有关时间序列回归技术的一系列示例，说明了时间序列回归建模的通用原则和任务，请参阅计量经济学工具箱示例。

  • 有关更多回归选项，请参阅统计学和机器学习工具箱™文档。
如果对动态过程的观察包括测量误差，该怎么办？

标准的线性状态空间建模可以在这个工具箱中使用。

相关例子

更多关于

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