主要内容

计量经济学Modeler应用概述

的计量经济学建模师App是一个用于分析单变量或多变量时间序列数据的交互式工具。该应用程序非常适合于可视化和转换数据，执行统计规范和模型识别测试，将模型拟合到数据中，并在这些操作之间迭代。当您对模型满意时，您可以将其导出到MATLAB中®预测未来反应或进一步分析的工作空间。您还可以从会话生成代码或报告。

启动econometrecmodelereconometricModeler在MATLAB命令行中，或通过单击计量经济学建模师下计算金融在应用程序库中(应用程序选项卡)。

下面的工作流程描述了如何使用econometrecmodeler找到一个样本内最适合时间序列数据的模型。工作流并不是严格的规定—您实现的步骤取决于您的目标和模型类型。您可以很容易地跳过步骤，并根据需要迭代几个步骤。该应用程序非常适合Box-Jenkins时间序列模型构建方法[1]。

  1. 为计量经济建模准备数据—针对一个响应变量，或选择多个响应变量进行多变量分析，分析并从中构建预测模型。可选地，选择要包含在模型中的解释变量。

    请注意

    您只能将一个变量从MATLAB工作区导入到econometrecmodeler中。因此，在命令行中，必须将多个序列同步并连接到一个变量中。

  2. 导入时间序列变量-从MATLAB工作空间或mat文件导入数据到econometrecmodeler。导入数据后，您可以调整变量属性或变量的存在。

  3. 进行探索性数据分析—以多种方式查看序列，通过变换来稳定序列，并通过统计检验来检测时间序列属性。

    • 可视化时间序列数据—支金宝app持的图表包括时间序列图和相关图(如自相关函数ACF)。

    • 执行规范和模型识别假设检验-检验多个序列之间的平稳性、异方差、自相关性和共线性或协整性。对于ARIMA和GARCH模型，该步骤可以包括确定模型中包含的适当滞后数。金宝app支持的检验包括增强型Dickey-Fuller检验、Engle’s ARCH检验、Ljung-Box q检验、Belsley共线性诊断和Johansen协整检验。

    • 变换时间序列—支金宝app持的转换包括日志转换、季节和非季节差异。

  4. 对数据拟合候选模型-根据探索性数据分析或经济理论，选择单变量或多变量响应序列的模型参数形式。然后，估计模型。金宝app支持的单变量模型包括季节性和非季节性条件均值(例如ARIMA)、条件方差(例如GARCH)和多元线性回归模型(可选地包含ARMA误差)。金宝app支持的多变量模型包括向量自回归(VAR)和向量误差校正(VEC)模型。

  5. 进行合格性检查—通过执行剩余诊断，确保模型能够充分描述数据。

    • 可视化残差以检查它们是否以零为中心、正态分布、均方差和序列不相关。金宝app支持的图包括分位数图和ACF图。

    • 检验残差是否有异方差和自相关。金宝app支持的检验包括残差平方的Ljung-Box q检验和Engle’s ARCH检验。

  6. 找到样本内拟合最好的模型—对同一族中的多个模型进行估计，然后选择拟合统计量最小的模型，如赤池信息准则(Akaike information criterion, AIC)。

  7. 导出会话结果-当你找到一个或多个表现良好的模型后，总结会议的结果。你选择的方法取决于你的目标。金宝app支持的方法包括:

    • 出口变量- econometrecmodeler将选定的变量导出到MATLAB工作空间。如果应用程序中的某个会话没有完成你的分析目标，比如预测响应，那么你可以在命令行导出变量(包括估计模型)以进行进一步分析。

    • 生成一个函数- econometrecmodeler生成一个MATLAB纯文本或实时函数，该函数返回给定导入数据的选定模型。该方法可以帮助您理解应用程序用于创建预测模型的命令行函数。您可以修改生成的函数来完成您的分析目标。

    • 生成报告- econometrecmodeler生成文档，例如PDF，描述您在选定变量或模型上的活动。当你在应用程序中完成目标时，这种方法提供了一个清晰方便的分析摘要。

为计量经济建模应用程序准备数据

您只能将一个变量从MATLAB工作区导入到econometrecmodeler中。因此，在导入数据之前，请将响应序列和任何预测序列连接到一个变量中。

econometrecmodeler支持金宝app这些变量数据类型。

  • MATLAB时间表-变量必须是双精度数值向量。最佳实践是在时间表中导入数据，因为econometrecmodeler:

    • 类中存储的名称来命名变量VariableNames田野属性财产。

    • 使用时间变量值作为表示时间的任何轴的刻度标签。否则，表示时间的刻度标签就是索引。

    • 使您能够在时间序列图上覆盖衰退带(参见recessionplot）

    有关时间表的更多详细信息，请参见创建时间表。

  • MATLAB表-变量必须是双精度数值向量。变量名是VariableNames田野属性财产。

  • 数字向量或矩阵——对于矩阵，每一列是一个单独的变量，名为variableNamej,在那里j是对应的列。

无论变量类型如何，econometrecmodeler都假设行对应于时间点(观察值)。

导入时间序列变量

数据集可以存在于MATLAB工作区中，也可以存在于您可以从您的机器访问的mat文件中。

  • 要从工作区导入数据集，请在计量经济学建模师选项卡，在进口部分中,点击。在导入数据对话框中，单击进口吗?列中包含该数据的变量，然后单击进口。受支持数据类型的工作区中的所有变量都会出现在对话框中，但是您只能选择一个。金宝app

  • 要从mat文件导入数据，请在进口部分中,点击进口，然后选择从mat文件导入。在选择一个mat文件对话框，浏览到包含数据集的文件夹，然后双击mat文件。

导入数据后，econometrecmodeler执行以下所有操作。

  • 数据集中每个变量(列)的名称出现在时间序列窗格。

  • 中选择的变量的值时间序列窗格显示在预览窗格。

  • 包含所有变量的时间序列图出现在时间序列图(VariableName）图窗口，其中VariableName中的一个变量的名称是时间序列窗格。

中的变量进行交互时间序列窗格在几个方面。

  • 例如，若要选择要执行统计测试或创建图表的变量，请单击时间序列窗格。如果你双击变量，那么应用程序也会在一个单独的时间序列图中绘制它。

  • 控件中右键单击变量，即可打开、删除或导出变量时间序列窗格。然后，从上下文菜单中选择所需的操作。

  • 要同时选择或操作多个时间序列，按Ctrl然后单击要使用的每个变量。

中导入数据Data_USEconModelMAT-file。

  1. 在命令行中，将数据加载到Workspace中。

    负载Data_USEconModel

  2. 在计量经济建模中进口部分计量经济学建模师选项卡上,单击。的导入数据对话框。

  3. Data_USEconModel存储多个变量。数据表和数据包含相同的数据，但是数据表是一个时间表，它将名称属性为变量，并将采样时间属性为行。进口数据表通过选择相应的进口吗?复选框，然后单击进口。

中的所有变量数据表出现在时间序列窗格。假设你想保留COE，FEDFUNDS,国内生产总值只有。选择所有其他变量，右键单击其中一个变量，然后选择删除。

在应用程序中工作后，您可以导入另一个数据集。点击之后进口， econometrecmodeler将显示以下对话框。

如果你点击好吧，然后econometrecmodeler从时间序列和模型窗格，并关闭右窗格中的所有文档。

进行探索性数据分析

探索性数据分析包括确定变量的特征和它们之间的关系，并在脑海中形成预测模型。对于时间序列数据，确定指数增长、包含趋势或非平稳的序列，然后对它们进行适当的转换。对于ARIMA模型，为了识别响应序列序列相关结构中的模型形式和显著滞后，使用Box-Jenkins方法[1]。如果您计划创建GARCH模型，那么评估该系列是否包含波动聚类和显著滞后。对于多元回归模型，确定共线性预测因子和那些与响应线性相关的预测因子。对于多变量模型，除了单变量分析之外，还可以测试序列是否协整。

对于时间序列数据分析，探索性分析通常包括在可视化数据之间进行迭代，执行统计规范和模型识别测试，以及转换数据。

可视化时间序列数据

导入数据集之后，econometrecmodeler将选择导入数据中的所有变量，并在默认情况下在右窗格中显示它们的时间序列图。例如，在导入之后数据表在Data_USEconModel数据集，应用程序显示这个时间序列图。

创建自己的时间序列图:

  1. 在时间序列窗格中，为绘图选择适当的序列数。

  2. 单击情节选项卡。

  3. 点击你想要的绘图类型的按钮。

econometrecmodeler支持金宝app以下时间序列图。

情节 目标

时间序列或

  • 识别缺失值或异常值。

  • 确定指数增长或包含趋势的序列。

  • 辨识非平稳级数。

  • 识别包含波动性聚类的序列。

  • 在同一图中比较不同比例尺的两个序列(等号左边轴)。

  • 在同一图中比较具有相似尺度的多个序列。

自相关函数(ACF)

  • 用序列相关性识别序列。

  • 确定AR模型是否合适。

  • 识别模型识别的显著MA滞后。

部分ACF (PACF)

  • 用序列相关性识别序列。

  • 确定MA模型是否合适。

  • 识别显著的AR滞后用于模型识别。

相关性

  • 检查变量分布。

  • 两两识别具有线性关系的变量。

您可以通过以下方式与现有情节进行交互:

  • 右击它

  • 使用当您暂停绘图时出现的绘图按钮

  • 使用图形窗口上的选项

金宝app支持的交互因情节类型而异。

  • 保存图形-右键单击该图形，然后选择出口。保存出现的图形。

  • 在绘图中添加或删除时间序列-右键单击图形，指向显示时间序列菜单，然后选择要添加或删除的时间序列。

  • 绘制衰退带-右键单击时间序列图，然后选择显示经济衰退。

  • 显示网格线-暂停在图形上，然后单击。

  • 切换图例-在图形上暂停，然后单击。

  • 平移-在图形上暂停，然后单击。有关平移的更多详细信息，请参见缩放、平移和旋转数据。

  • 缩放-暂停在图形上。单击放大。若要缩小，单击。有关详细信息，请参见缩放、平移和旋转数据。

  • 恢复视图-要在平移或缩放后将绘图返回其原始视图，请在图形上暂停，然后单击。

对于序列相关函数图，在ACF或PACF选项卡。您可以指定:

  • 要显示的滞后数

  • 置信区间的标准差数

  • MA或AR顺序，其中理论ACF或PACF分别为有效零

当您调整参数时，econometrecmodeler会实时更新绘图。

当您浏览数据时，图表和计算结果会在选项卡下的右侧窗格中累积。您可以自定义右窗格中文档的显示，例如，通过执行以下任何操作来同时查看多个图表:

  • 通过将绘图选项卡拖动到右窗格的不同部分来确定它们的方向。当你拖动一个图时，应用程序会突出显示可能放置它的部分。若要撤消上次文档或图形窗口的定位，请在位于分区中间的点上暂停，然后单击当它出现时。

  • 单击文档操作按钮在文档的右上角。选项包括:

    • 瓷砖都—为多个地块选择一个布局。

    • 标签的位置—选择显示图形页签的位置。

考虑有效联邦基金利率的ARIMA模型(FEDFUNDS)。为了识别模型特征(例如，AR或MA滞后的数量)，可以并排绘制时间序列、ACF和PACF。

  1. 在时间序列面板,双击FEDFUNDS。

  2. 控件中的绘图，将衰退带添加到绘图中时间序列图(联邦基金)图形窗口，然后选择显示经济衰退。

  3. 在情节选项卡上,单击ACF。

  4. 点击PACF。

  5. 单击时间序列图(联邦基金)图形窗口，并将其拖到右窗格的左侧。单击PACF (FEDFUNDS)图窗口，并将其拖到窗格的右下角。

ACF逐渐消失，PACF在第一个滞后后切断。ACF的行为表明，在选择ARIMA模型的形式之前，必须对时间序列进行转换。

在右窗格中，观察相关图之间水平分割中间的点(在滞后xACF轴标签)。若要撤消此相关图定位，即通过制表符分隔相关图，请在圆点上暂停并单击当它出现时。

执行规范和模型识别假设检验

可以执行假设检验来确认从视觉上获得的时间序列属性，或测试难以看到的属性。econometrecmodeler使您能够使用参数设置多次运行测试。

econometrecmodeler支持金宝app这些单变量序列的检验。

测试 假设

增强Dickey-Fuller

H0:级数有单位根。

H1:级数是平稳的。

支持的参数请参见金宝appadftest。

Kwiatkowski, Phillips, Schmidt, Shin (KPSS)

H0:系列是趋势平稳的。

H1:级数有单位根。

支持的参数请参见金宝appkpsstest。

Leybourne-McCabe

H0:系列是趋势平稳AR(p)的过程。

H1:系列是ARIMA(p, 1, 1)的过程。

指定p，调整滞后数参数。支持的参数请参见金宝applmctest。

Phillips-Peron

H0:级数有单位根。

H1:级数是平稳的。

支持的参数请参见金宝appppt。

方差比

H0:序列是随机游走。

H1:序列不是随机游走。

支持的参数请参见金宝appvratiotest。

恩格尔的拱

H0:序列不存在条件异方差(ARCH效应)。

H1:系列是ARCH(p)模型p> 0。

指定p，调整滞后数参数。支持的参数请参见金宝apparchtest。

Ljung-Box Q-test

H0:序列在第一阶段无自相关米滞后，即相应的系数都为零。

H1:序列至少有一个非零自相关系数ρj，j∈{1,…,米}。

指定米，调整滞后数参数。支持的参数请参见金宝applbqtest。

请注意

在进行测试之前，econometrecmodeler会删除前面和后面的缺失值(南值)。Engle’s ARCH检验不支持序列内缺失值，即金宝app南值的前后都是观测值。

平稳性检验结果提示是否应该对一个序列进行变换以使其稳定，以及哪种变换是合适的。对于ARIMA模型，平稳性检验结果表明是否包含整合程度。Engle的ARCH检验结果表明，该序列是否表现出波动性聚类，并建议将滞后纳入GARCH模型。Ljung-Box q检验结果表明在ARIMA模型中需要多少AR滞后。

在econometrecmodeler中进行单变量检验:

  1. 中选择一个变量时间序列窗格。

  2. 在计量经济学建模师选项卡，在测试部分中,点击新的测试。

  3. 在测试库中，单击要执行的测试。工具条中出现了测试类型的新选项卡，右边窗格中出现了测试结果的新文档。

  4. 在测试类型选项卡上的参数分段，调整试验参数。例如，考虑进行恩格尔弓测试。在拱选项卡，在参数，在测试统计量中选择滞后数滞后数旋转箱，或显著性水平(即值)α)使用显著性水平旋转盒子。

  5. 在测试类型选项卡上，在测试部分中,点击运行测试。检验结果，包括是否拒绝原假设p-value和参数设置出现在结果测试结果文件表。如果零假设被拒绝，那么应用程序将用黄色突出显示这一行。

如果在特定系列上运行多个测试，则每个测试的结果将作为新行显示在结果表格中删除一行结果表中，选中对应的复选框选择列，然后单击明确的测试在测试类型选项卡中。

请注意

多次测试增加了错误发现率。一个保守的方法是保持整体错误发现率为α是对每个检验的显著性水平进行Bonferroni校正。也就是说，总共是t测试组显著性水平价值α/t。

econometrecmodeler支持金宝app多个系列的这些测试和诊断。

测试和诊断 描述

贝尔斯利共线性诊断

支持的参数和结果请参见金宝appcollintest。

Engle-Granger

H0:该系列不呈现协整。

H1这个级数呈现协整。

支持的参数请参见金宝appegcitest。

约翰森

对于一个指定的协整秩r：

  • H0这个系列最多只能展示等级r协整。

  • H1:序列表现为秩大于的协整r。

支持的参数请参见金宝appjcitest。

在econometrecmodeler中诊断多重序列:

  1. 中至少选择两个变量时间序列窗格。

  2. 在计量经济学建模师选项卡，在测试部分中,点击新的测试。

  3. 在测试库中，选择要运行的诊断程序。工具条中出现了诊断的新选项卡，右窗格中出现了结果的新文档。

  4. 在诊断的选项卡上，您可以在相应的部分中调整诊断的参数。例如，考虑对选定的序列进行恩格尔-格兰杰协整检验。在测试库中，选择Engle-Granger测试。在EGCITab，在参数，选择协整回归形式协整回归形式列出并选择使用回归残差进行的检验残差回归表列表。

例如，考虑一个包含加拿大通货膨胀率和利率作为预测变量的预测模型。确定变量是否共线。的Data_Canada数据集包含时间序列。

  1. 导入数据表的变量Data_Canada数据集计量经济学建模师(见导入时间序列变量)。时间序列图出现在右窗格中。

    所有序列似乎都包含自相关。尽管在创建预测模型之前应该从预测变量中删除自相关性，但本示例不删除自相关性。

  2. 在测试部分中,点击新的测试。在共线性部分中,点击贝尔斯利共线性诊断。

    econometrecmodeler在工具条中为Belsley共线性诊断创建了一个新选项卡，并在右窗格中为结果创建了一个新文档。结果包含每个序列的奇异值、条件指数和方差分解比例表。以黄色突出显示的行具有大于方法指定的容差的条件索引条件指数参数值(默认为30.)在…公差部分共线性选项卡。表中标有系列名称的列构成方差分解比例矩阵。方差分解比例大于标准规定公差的系列Variance-Decompoosition比例参数值(默认为0.5)显示多重共线性。

    因为它们的方差分解比例高于容差(默认容差)0.5)为条件指标，共线性预测因子为INT_L，INT_M,INT_S。

  3. 您可以在诊断中添加或删除时间序列。例如，通过执行以下过程从诊断中删除膨胀率。

    1. 在测试结果文档中，右键单击结果表格或图表。

    2. 指出显示时间序列。将出现所有变量的列表。

    3. 移除通货膨胀率系列INF_C和INF_G从诊断中取消选择相应的复选框。当您取消选择序列时，econometrecmodeler将根据所选的序列重新计算结果。

有关贝尔斯利共线性诊断结果和多重共线性的详细信息，请参见collintest和时间序列回归II:共线性与估计量方差。

变换时间序列

Box-Jenkins方法[1]对于ARIMA，模型选择假设响应序列是平稳的，并且假回归模型可能来自包含非平稳预测因子和响应变量的模型(有关更多详细信息，请参阅时间序列回归IV:伪回归)。为了稳定您的系列，econometrecmodeler支持这些转换金宝app转换部分计量经济学建模师选项卡。

转换 使用When系列… 笔记

日志

 是否有随其水平增长的指数趋势或方差 该级数中的所有值必须为正。

线性去趋势

 是否有可以用最小二乘识别的线性确定性趋势

当econometrecmodeler对序列进行趋势分析时，它会忽略前面或后面的缺失(南)的值。

如果观测值之间出现任何缺失值，则应用程序返回一个向量南长度等于序列的值。

一阶差分

 有一个随机趋势 econometrecmodeler在差分序列前加上a南价值。此操作确保了差分序列与原始序列具有相同的长度和时间基础。

季节性差异

有季节性的随机趋势吗

您可以使用旋转框指定一个季节中的时间段。例如,12表示每月的季节转换。

计量经济学建模师在差分级数前加上南(期, 1),在那里期是一个季节中指定的时间段。此操作确保了差分序列与原始序列具有相同的长度和时间基础。

有关详细信息，请参见数据转换。

控件中选择该变量，即可转换变量时间序列窗格，然后单击转换。转换一个序列之后，表示转换后的序列的新变量将出现在时间序列窗格。此外，econometrecmodeler绘制并选择新变量。为了创建变量名，应用程序将转换名附加到变量名的末尾。控件中单击已转换的变量两次，即可重命名该变量时间序列要选择文本的变量名称，然后输入新名称。按下可选择多个系列Ctrl然后点击每个序列，然后同时对选定的序列应用相同的转换。该应用程序为每个系列创建新变量，将转换名称附加到每个转换后的变量名称的末尾，并在同一图中绘制转换后的变量。

例如，假设GDP序列为Data_USEconModel具有指数趋势和随机趋势。通过应用对数变换稳定GDP，然后应用第二个差值。

  1. 导入数据表的变量Data_USEconModel数据集到计量经济模型(见导入时间序列变量)。

  2. 在时间序列窗格中,选择国内生产总值。

  3. 在计量经济学建模师选项卡，在转换部分中,点击日志。应用程序创建了一个名为GDPLog，出现在时间序列窗格，并显示时间序列的图。

  4. 在转换部分中,点击区别。应用程序创建了一个名为GDPLogDiff并显示时间序列的图。

  5. 在转换部分中,点击区别。应用程序创建了一个名为GDPLogDiffDiff并显示时间序列的图。

GDPLogDiffDiff是稳定的GDP。

数据拟合模型

探索性数据分析的结果可以提出几个候选模型。选择一个模型，在时间序列窗格，选择响应的时间序列，然后，在计量经济学建模师选项卡，在模型节，单击模型或单击模型库中的模型。econometrecmodeler允许您仅选择适合所选响应系列数量的那些模型。在您选择了一个模型之后，您将它配置为评估。

econometrecmodeler支持金宝app以下模型。

模型 响应 类型
条件是:ARMA / ARIMA模型部分 单变量

平稳自回归(AR)

有关详情，请参阅自回归模型，华宇电脑,估计。
单变量

静止移动平均线(MA)

有关详情，请参阅移动平均模型，华宇电脑,估计。
单变量

平稳ARMA

有关详情，请参阅自回归移动平均模型，华宇电脑,估计。
单变量

非平稳集成ARMA (ARIMA)

有关详情，请参阅ARIMA模型，华宇电脑,估计。
单变量

季节性(乘法)ARIMA (SARIMA)

有关详情，请参阅乘法ARIMA模型，华宇电脑,估计。
单变量

包括外生预测因子(ARIMAX)

有关详情，请参阅包括外生协变量的ARIMA模型，华宇电脑,估计。
单变量

季节性ARIMAX

有关详情，请参阅华宇电脑和估计。
条件方差:GARCH模型部分 单变量

广义自回归条件异方差(GARCH)

有关详情，请参阅GARCH模型，garch,估计。
单变量

指数GARCH (EGARCH)

有关详情，请参阅EGARCH模型，egarch,估计。
单变量

Glosten, Jagannathan和Runkle (GJR)

有关详情，请参阅GJR模型，gjr,估计。
多元线性回归:回归模型部分 单变量

多元线性回归

有关详情，请参阅时间序列回归I:线性模型，LinearModel,fitlm。
单变量

具有ARMA误差的回归模型

有关详情，请参阅具有时间序列误差的回归模型，regARIMA,估计。
向量自回归模型:多变量模型部分 多元

平稳向量自回归(VAR)

有关详情，请参阅向量自回归(VAR)模型和varm。
多元

VAR包括外生变量(VARX)

有关详情，请参阅向量自回归(VAR)模型和varm。
多元

矢量纠错(VEC)或共合体VAR

有关详情，请参阅结果。

对于单变量条件均值模型估计，SARIMA和SARIMAX是最灵活的模型。您可以通过单击创建排除外生预测因子的任何条件均值模型SARIMA，或者通过单击可以创建任何包含至少一个外生预测因子的条件均值模型SARIMAX。

对于多变量模型估计，您选择的模型取决于所选时间序列是平稳的还是协整的。对于平稳序列，点击创建VAR模型VAR;要包含外生预测因子，请点击VARX代替。对于协整级数，请单击VEC。

选择模型后，应用程序会显示类型模型参数对话框，其中类型是模型类型。例如，该图显示了SARIMAX模型参数对话框。

SARIMAX模型参数对话框显示参数设置

中的可调参数类型模型参数窗口依赖于类型。一般情况下，可调参数包括:

当你调整参数值时，方程中的模型方程部分更改以匹配您的规格。可调参数对应于相应的模型创建参考页面中描述的输入和名称-值对参数。具体操作请参见具体型号的功能参考页面。无论您选择哪种模型，模型中的所有未指定系数都是未知的和可估计的，包括t-分布自由度参数(当您指定at创新分布)。

请注意

计量经济学建模师不支持:金宝app

  • 优化选项调整估计。

  • 复合条件均值和方差模型。有关详情，请参阅指定条件均值和方差模型。

  • 单变量模型参数在估计过程中的等式约束(除了在估计过程中保持某些参数固定为零)。

要调整优化选项，估计复合条件均值和方差模型，或应用等式约束，请使用MATLAB命令行。

调整确定性项和回归成分参数

金宝app支持的确定性术语取决于所选择的模型，包括模型常数(偏移量或截距)和线性时间趋势。若要包含模型常数(偏移量或截距)项，请选择包含常数项或包括抵消条款复选框。类似于线性时间趋势，选择包括趋势复选框。若要删除确定性项(即在估计期间将其约束为零)，请清除复选框。控件中复选框的位置和类型类型模型参数对话框取决于模型类型。默认情况下，econometrecmodeler在除条件方差模型外的所有模型类型中都包含一个模型常数。

要为回归组件选择预测因子，在预测列表中，选中包括什么?列对应于您想要包含在模型中的预测器。默认情况下，该应用在任何模型类型中都不包含回归组件。

  • 如果你选择ARIMAX，SARIMAX,或RegARMA，那么你必须选择至少一个预测器。

  • 如果你选择高钙，则您可以指定以下其中一个:

    • 当你选择至少一个预测器时，一个MLR模型

    • 中的所有复选框清除时，将得到一个常数平均模型(仅截取模型)包括什么?列，并选择包括拦截复选框

    • 类型中的所有复选框清除时，只会出现错误模型包括什么?列并清除包括拦截复选框

考虑GDP对CPI和失业率的线性回归模型。指定回归:

  1. 导入数据表的变量Data_USEconModel数据集到计量经济模型(见导入时间序列变量)。

  2. 在时间序列窗格中，选择响应变量国内生产总值。

  3. 在计量经济学建模师选项卡，在模型节中，单击箭头以显示模型库。

  4. 在模特陈列室，在回归模型部分中,点击高钙。

  5. 在MLR模型参数对话框中包括什么?列，选择CPIAUCSL和UNRATE复选框。

  6. 单击估计按钮。

单变量模型的时间序列成分参数调整

一般来说，对于单变量模型，时间序列成分参数包含滞后，包括季节性和非季节性滞后算子多项式，以及季节性和非季节性整合度。

  • 对于条件均值模型，您可以指定季节性和非季节性自回归滞后，以及季节性和非季节性移动平均滞后。您还可以调整季节性和非季节性的整合程度。

  • 对于条件方差模型，您可以指定ARCH和GARCH滞后。EGARCH和GJR模型也支持杠杆滞后。金宝app

  • 对于具有ARMA误差的回归模型，您可以指定非季节性自回归和移动平均滞后。对于包含季节性滞后或季节性或非季节性整合程度的模型，请使用命令行代替。

econometrecmodeler支持金宝app两种调整参数的选项。的单独选项卡上的调整选项类型模型参数对话框:延迟订单和滞后的向量选项卡。在延迟订单选项卡，可以指定订单滞后算子多项式。该特性使您能够在滞后算子多项式中有效地包括从1到指定顺序的所有滞后。在滞后的向量选项卡，可以指定个人滞后它包含一个滞后算子多项式。这个特性非常适合创建灵活的模型。有关详细信息，请参见交互式地指定单变量滞后算子多项式。

单变量模型创新分布参数的调整

对于单变量模型，您可以指定创新的分布为高斯分布。对于除多元线性回归模型外的所有模型，您都可以指定学生模型t相反，要解决瘦峰创新分布(更多详细信息，请参见条件均值模型的极大似然估计，条件方差模型的最大似然估计,或regARIMA模型的极大似然估计)。如果您指定t分布，然后计量模型使用最大似然估计其自由度参数。

默认情况下，econometrecmodeler对创新使用高斯分布。要改变创新的分布，就得在类型模型参数对话框，从创新分布按钮，在列表中选择一个分布。

多变量模型的时间序列成分参数调整

金宝app多变量模型支持的时间序列组件参数取决于模型类型。所有类型都允许包含非季节性应收账款滞后系数。但是，VEC模型还支持以下参数规范金宝app

  • 约翰森模型形式，它指定在模型中包含哪些确定性项(总体上或在协整关系中)。有关详情，请参阅约翰森形式。

  • 协整排r

  • 调整速度矩阵一个

  • 协整矩阵B

这个数字是一个例子类型模型参数对话框。VEC模型参数对话框显示参数设置

与单变量模型一样，econometrecmodeler支持通过指定滞后阶数(金宝app延迟订单选项卡)，或者为灵活起见，通过指定单个滞后(滞后的向量选项卡)。与单变量模型不同，无论多变量模型类型如何，econometrecmodeler都支持对AR或短期滞后系数矩阵的单个条目的估计等式约束，这些条目对应于模型中的自变量或交叉变量滞后系金宝app数。系数约束使您能够测试经济场景。econometrecmodeler在估计期间保持固定的指定值。对于VEC模型，您可以在整个矩阵上指定相等约束一个或B。指定相等约束:

  1. 在类型模型参数对话框中选择要约束的延迟AR系数(ϕ）(VAR或VARX)或短期系数(Φ)(用于VEC)列表。

  2. 执行以下选择之一:

    • 单击要约束的矩阵的元素，然后输入值。econometrecmodeler估计所有南条目。

    • 导入矩阵。

      1. 在命令行中，创建一个适当大小的约束矩阵或约束和的组合南值为AR或短期滞后。

      2. 在计量经济学建模师，在…类型模型参数对话框，单击进口。

      3. 在对话框中，选择要为系数矩阵导入的变量。

有关详情，请参阅交互指定多元滞后算子多项式和系数约束。

估计单变量模型

econometrecmodeler将模型中的所有参数视为未知和可估计的。指定模型后，通过单击将其与数据相匹配估计在类型模型参数对话框。

请注意

在你估计一个模型之后:

  • 中出现了一个描述估计模型的新变量模型窗格的名称Type_response。类型这个型号是和型的吗响应是econometrecmodeler拟合的响应变量，例如，ARIMA_FEDFUNDS。

    你在一个估计的模型上操作模型窗格，右键单击它。除了时间序列变量可用的选项(参见导入时间序列变量)，上下文菜单包括修改选项，它使您能够修改和重新估计模型。例如，右键单击一个模型并选择修改。然后，在类型模型参数对话框，调整参数后单击估计。

  • 模型的对象显示出现在预览窗格。

  • 的模型总结(Type_response）总结评估结果的文档将出现在右窗格中。显示的结果取决于模型类型。对于条件均值和回归模型，结果包括:

    • 模型适合-响应序列和拟合值的时间序列图 y ＾

    • 参数—估计汇总表，包含参数估计、标准误差和t统计数据和p-用于检验相应参数为0的零假设的值

    • 剩余的情节-残差的时间序列图

    • 契合度-赤池信息准则(AIC)和贝叶斯信息准则(BIC)模型拟合统计

    对于条件方差模型，结果还包括估计汇总表和拟合优度统计，但econometrecmodeler图:

    • 有条件的差异-推断条件方差的时间序列图 σ ＾ t 2

    • 标准化残差-标准化残差的时间序列图 y t − c σ ＾ t 2 ,在那里c是估计偏移量

    您可以通过在其中一个图上暂停并选择一个交互来与单个图交互(参见可视化时间序列数据)。还可以通过右键单击文档与摘要进行交互。选项包括:

    • 出口-将情节放置在单独的图形窗口中。

    • 显示模型-通过指向显示其他估计模型的摘要显示模型，然后在列表中选择一个模型。

    • 显示经济衰退-在时间序列图中绘制衰退带。

考虑SARIMA(0,1,1)×(0,1,1)12为一九四九年至一九六零年每月国际航空客运人数Data_Airline数据集。使用计量经济建模器对该模型进行估计:

  1. 导入数据表的变量Data_Airline数据集计量经济学建模师(见导入时间序列变量)。

  2. 在计量经济学建模师选项卡，在模型节中，单击箭头>SARIMA。

  3. 在SARIMA模型参数对话框中延迟订单标签:

    • 季节性部分

      1. 集积分度来1。

      2. 集移动平均订单来1。

      3. 清除包含常数项复选框。

    • 季节性部分

      1. 集期来12表示月度数据。

      2. 集移动平均订单来1。

      3. 选择包括季节差异复选框。

  4. 点击估计。

结果是:

  • 一个名为SARIMA_PSSG出现在模型窗格。

  • 的价值SARIMA_PSSG出现在预览窗格。

    SARIMA_PSSG对象显示。

  • 估算摘要出现在新的模型总结(SARIMA_PSSG)文档。

多元模型的估计

默认情况下，econometrecmodeler将模型中的所有参数视为未知和可估计的。然而，与单变量模型不同，econometrecmodeler支持对某些参数的等式约束进行估计;金宝app可以在应用程序中指定系数值或从工作区导入滞后系数矩阵。

配置模型之后，通过单击将其与数据相匹配估计在类型模型参数对话框。

请注意

  • 为了初始化用于估计的模型，econometrecmodeler删除了第一个p从响应数据中选取观测值作为样本，然后将函数模型拟合到剩余的观测值中。

  • 如果econometrecmodeler在估计期间发出错误，则指定的模型对数据的描述很差。调整模型参数，然后估计新模型。

估计模型后，econometrecmodeler显示的结果与单变量估计类似(参见估计单变量模型)，并且您可以以与单变量模型相同的方式与估计的多变量模型进行交互。值得注意的差异包括:

  • 中出现了一个描述估计模型的新变量模型窗格的名称Typej,在那里类型这个型号是和型的吗j是估计模型j比如这种类型的，VAR2为会议期间的第二个估计VAR模型。

  • 的模型总结(Type_response）总结评估结果的文档将出现在右窗格中。然而，所显示的图取决于模型类型和所选择的时间序列时间序列在文件的顶部列出。对于VAR模型，结果包括:

    • 模型适合-所选时间序列及其对应的拟合值的时间序列图 y ＾

    • 剩余的情节-所选时间序列对应残差的时间序列图

    对于VEC模型，结果还包括一个协整关系的时间序列图，该图与所选时间序列不变。

考虑从1947年到2009年美国国内生产总值(GDP)、M1货币供应量和3个月期国库券利率的季度测量的3-D VAR(4)模型。该文件Data_USEconModel.mat除其他经济度量外，还包含该系列。

使用计量经济建模器对该模型进行估计:

  1. 导入数据表的变量Data_USEconModel数据集计量经济学建模师(见导入时间序列变量)。

  2. 在计量经济学建模师选项卡，在时间序列窗格中,单击国内生产总值，然后按Ctrl并点击M1SL。

  3. 因为国内生产总值和M1SL表现出指数增长，在模型中使用它们的增长率。在计量经济学建模师选项卡，在转换部分中,点击日志，然后点击区别。将已转换变量的名称更改为GDPRate和M1SLRate,分别。

  4. 在时间序列窗格中,单击TB3MS，然后在转换节中,区别。将转换后的系列的名称更改为TB3MSRate。

  5. 与TB3MSRate选中，按下，选择VAR模型的三个速率序列Ctrl并单击GDPRate和M1SLRate。

  6. 在计量经济学建模师选项卡，在模型部分中,点击VAR。

  7. 在VAR模型参数对话框中延迟订单选项卡,设置自回归秩序来4。

    VAR模型参数对话框，指定包含常量向量的VAR(4)模型

  8. 点击估计。

结果是:

  • 一个名为VAR出现在模型窗格。

  • 的价值VAR出现在预览窗格。

    VAR对象显示

  • 估算摘要出现在新的总结(VAR)模型文档。情节是相对于GDPRate系列。的参数估计指数参数节对应于级数的顺序时间序列列表(例如基于“增大化现实”技术的{1}(2、3)滞后1的AR系数是TB3MSRate方程中的级数M1SLRate系列。

进行合适度检查

在您估计一个模型之后，一个好的做法是确定拟合模型的充分性(参见契合度)。econometrecmodeler非常适合于视觉评估样本内拟合(除条件方差模型外的所有模型)和执行剩余诊断。

剩余诊断包括评估模型假设和调查是否必须重新指定模型以处理数据的其他属性。要评估的模型假设包括检查残差是否集中于零、正态分布、均方差和序列不相关。如果残差没有显示所有这些属性，那么您必须确定偏离的严重程度，是否转换数据，以及是否指定不同的模型。有关残留诊断的详细信息，请参见时间序列回归VI:残余诊断和残留的诊断。

要使用econometrecmodeler执行拟合优度检查，请在模型窗格中，选择一个估计的模型。然后，完成以下步骤:

  • 要直观地评估所有模型(条件方差模型除外)的样本内拟合，请检查模型适合情节模型的总结文档。对于多变量模型，econometrecmodeler显示一个序列的拟合值。控件中的序列可以在模型中选择要绘制的不同序列时间序列列表。

  • 要直观地评估残差是否集中于零、自相关和异方差，请检查剩余的情节在模型的总结文档。对于多变量模型，econometrecmodeler显示一个序列的残差。中相应的序列，可以选择要绘制的其他残差序列时间序列列表。

  • 在计量经济学建模师选项卡，在诊断部分中,点击残留的诊断。诊断库提供这些残差图和测试。

    方法 诊断

    残差直方图

    		 目测正常

    残差分位数图

    		 目视评估正态性和偏度

    ACF

    		 目视评估残差是否自相关

    Ljung-Box Q-test

    		 检验显著自相关的残差

    残差平方的ACF

    		 目视评估残差是否有条件异方差

    恩格尔弓测试

    		 条件异方差检验残差(显著ARCH效应)

    或者，绘制估计模型残差的直方图、分位数图或ACF:

    1. 中选择一个模型模型窗格。

    2. 单击情节选项卡。

    3. 在情节节中，单击箭头，然后单击模型图画廊的一部分。

    对于多变量模型:

    • econometrecmodeler绘制同一文档中所有模型系列的剩余诊断。

    • econometrecmodeler同时对所有系列运行残差诊断测试，但它分别显示每个残差系列的结果。您可以通过单击test选项卡中的系列来选择要显示的结果时间序列列表。

请注意

另一个重要的拟合优度检查是预测性能评估。评估几种模型的预测性能:

  1. 拟合一组模型的数据使用计量经济学建模师。

  2. 对所有型号执行残留诊断。

  3. 选择具有理想残差属性和最小拟合统计量的模型子集(参见寻找样本内最佳拟合模型)。

  4. 将选择的模型导出到MATLAB工作区(参见导出会话结果)。

  5. 在命令行执行预测性性能评估(参见评估预测性能)。

使用示例请参见使用econometrecmodeler App创建模型后比较预测性能。

考虑对估计的SARIMA(0,1,1)×(0,1,1)执行拟合优度检查。12航空公司的模型将数据计算在内估计单变量模型。

  1. 在右边的窗格中模型总结(SARIMA_PSSG)文档:

    1. 模型适合表明该模型与数据拟合得相当好。

    2. 剩余的情节表明残差均值为零。然而，残差表现为异方差和序列相关。

  2. 在计量经济学建模师选项卡，在诊断部分中,点击残留的诊断。在诊断库中:

    1. 点击残差Q-Q图。右窗格显示一个名为QQPlot (SARIMA_PSSG)包含残差的分位数-分位数图。

      该图表明，残差近似正常，但尾部稍重。

    2. 点击自相关函数。在工具栏中，ACFTAB显示并包含绘图选项。右窗格显示一个名为ACF (SARIMA_PSSG)包含残差的ACF。

      因为几乎所有的样本自相关值都低于置信界限，残差可能不是序列相关的。

    3. 点击恩格尔弓测试。在拱选项卡，在测试部分中,点击运行测试使用默认选项运行测试。右窗格显示拱(SARIMA_PSSG)文档中显示测试结果结果表格

      结果表明拒绝零假设，即残差在5%的显著性水平上没有ARCH效应。您可以尝试通过对级数应用对数变换来消除异方差。

寻找样本内最佳拟合模型

econometrecmodeler使您能够有效地将多个相关模型拟合到数据集。在您估计了一个模型之后，您可以通过迭代中的方法来估计其他模型进行探索性数据分析，数据拟合模型,进行合适度检查。控件中出现一个新的模型变量模型窗格。

对于拟合到相同响应序列的同一参数族中的模型，可以通过比较其拟合统计量来确定在估计模型中具有最佳简约样本内拟合的模型。从候选模型的子集中，确定模型的最佳拟合使用计量经济学建模师：

  1. 在模型窗格，双击估计的模型。在右窗格中，模型的估计结果显示在模型总结(模型）文档,模型所选模型的名称。

  2. 在模型总结(模型）文件，在契合度表中，选择一个拟合统计量(AIC或BIC)并记录其值。

  3. 对所有候选模型重复前面的步骤。

  4. 选择产生最小拟合统计量的模型。

有关拟合优度统计的更多详细信息，请参见模型选择的信息标准。

考虑寻找最适合的SARIMA模型，周期为12，用于航空公司乘客数量的日志Data_Airline数据集。拟合SARIMA模型的子集，考虑包含两个季节性和非季节性MA滞后的所有模型组合。

  1. 导入数据表的变量Data_Airline数据集计量经济学建模师(见导入时间序列变量)。

  2. 将日志转换应用于PSSG(见变换时间序列)。

  3. 拟合SARIMA(0,1，问)×(0,1,问12）12来PSSGLog，其中所有未知阶数均为0(参见估计单变量模型)。

  4. 在右边的窗格中模型总结(SARIMA_PSSGLog)文件，在契合度表，记录AIC值。

  5. 在模型窗格中,选择PSSGLog。

  6. 重复步骤4和5，但要进行调整问和问12覆盖的九种排列问∈{0，1，2},问12∈{0，1，2}。econometrecmodeler通过在变量名的末尾附加连续数字来区分相同类型的后续模型。

得到的AIC值在这个表中。

模型 变量名 另类投资会议
SARIMA(0,1,0)×(0,1,0)12 SARIMA_PSSGLog1 -491.8042
SARIMA(0,1,0)×(0,1,1)12 SARIMA_PSSGLog2 -530.5327
SARIMA(0,1,0)×(0,1,2)12 SARIMA_PSSGLog3 -528.5330
SARIMA(0, 1, 1)×(0,1,0)12 SARIMA_PSSGLog4 -508.6853
SARIMA(0, 1, 1)×(0,1,1)12 SARIMA_PSSGLog5 -546.3970
SARIMA(0, 1, 1)×(0,1,2)12 SARIMA_PSSGLog6 -544.6444
SARIMA(0, 1, 2)×(0,1,0)12 SARIMA_PSSGLog7 -506.8027
SARIMA(0, 1, 2)×(0,1,1)12 SARIMA_PSSGLog8 -544.4789
SARIMA(0, 1, 2)×(0,1,2)12 SARIMA_PSSGLog9 -542.7171

因为它产生最小的AIC, SARIMA(0,1,1)×(0,1,1)12模型是具有最佳简约样本内拟合的模型。

导出会话结果

Econometric Modeler为您提供了几个选项来共享您的会话结果。您选择的选项取决于您的分析目标。

共享结果的选项在出口部分计量经济学建模师选项卡。该表描述了可用的选项。

选项 描述

出口变量

导出时间序列和模型变量到MATLAB工作区。

选择此选项可以在MATLAB命令行中执行进一步的分析。例如，您可以从估计的模型生成预测，或者检查几个模型的预测性能。

生成函数

生成一个MATLAB函数用于应用程序外部。该函数接受加载到应用程序中的数据作为输入，并输出在应用程序会话中估计的模型。

选择此选项可:

  • 了解econometrecmodeler用来创建和估计模型的功能。

  • 在MATLAB编辑器中修改生成的函数以供进一步使用。
生成实时功能

生成一个MATLAB实时函数以在应用程序外部使用。该函数接受加载到应用程序中的数据作为输入，并在应用程序会话中输出估计的模型。

选择此选项可:

  • 了解econometrecmodeler用来创建和估计模型的功能。

  • 在Live Editor中修改生成的函数以供进一步使用。

生成报告

生成总结会话的报告。

当您在econometrecmodeler中实现了分析目标，并且希望共享结果摘要时，请选择此选项。

输出变量

导出时间序列和估计的模型变量时间序列或模型面板到MATLAB工作空间:

  1. 在计量经济学建模师选项卡，在出口部分中,点击或出口>出口变量。

  2. 在出口变量对话框中，所有时间序列变量显示在左窗格中，所有模型变量显示在右窗格中。控件中的相应复选框，选择要导出的时间序列和模型变量选择列。中选择的所有时间序列或模型变量的复选框时间序列和模型窗格。清除不希望导出的变量对应的复选框。例如，此图显示了如何选择PSSGLog时间序列和SARIMA_PSSGLogSARIMA模型。

  3. 点击出口。

所选变量出现在MATLAB工作空间中。时间序列变量是双精度列向量。估计的模型是取决于模型类型的对象(例如，导出的ARIMA模型是一个华宇电脑对象)。

或者，您可以通过选择至少一个变量，右键单击所选变量，然后选择来导出变量出口。

生成函数

该应用程序可以生成纯文本函数或实时函数。这两个函数之间的主要区别在于用于修改生成函数的编辑器:您在MATLAB编辑器中编辑纯文本函数，而在live editor中编辑实时函数。有关这两种函数类型之间差异的更多详细信息，请参见什么是实时脚本或函数?。

无论您选择哪种函数类型，生成的函数都接受加载到应用程序中的数据作为输入，并输出在应用程序会话中估计的模型。导出在应用程序会话中创建模型的MATLAB函数或live函数:

  1. 在模型窗格中，选择一个估计的模型。

  2. 在计量经济学建模师选项卡，在出口部分中,点击出口。在出口菜单中,选择生成函数或生成实时功能。

MATLAB编辑器或实时编辑器显示一个未命名，未保存的函数，其中包含估计模型的代码。

  • 缺省情况下，函数名为modelTimeSeries。

  • 该函数接受最初导入的数据集作为输入。

  • 在函数估计模型之前，它从估计中使用的输入数据集中提取变量，并对您在econometrecmodeler中应用的变量应用相同的转换。

  • 该函数返回选定的估计模型。

考虑生成一个返回的活动函数SARIMA_PSSGLog， SARIMA(0,1,1)×(0,1,1)12模型拟合航空公司乘客数据的日志(见估计单变量模型)。下图显示了生成的实时函数。

生成报告

econometrecmodeler可以生成一个报告，描述您在选定的时间序列和模型变量上的活动。该应用程序将报告组织成与选定的时间序列和模型变量相对应的章节。章节描述了在相应变量上执行的会话活动。

关于时间序列变量的章节描述了在会话中对选定变量执行的转换、绘图和测试。估计的模型章节包含一个估计摘要，即模型的总结文档(见估计单变量模型)，以及剩余诊断图和测试。

您可以将报告导出为以下文档类型之一:

  • 超文本标记语言(HTML)

  • 微软®词XML格式文件(DOCX)

  • 可携式文件格式(PDF)

导出报表。

  1. 在计量经济学建模师选项卡，在出口部分中,点击出口>生成报告。

  2. 在选择要包含在报表中的项对话框中的所有时间序列变量时间序列窗格中出现的所有模型变量模型窗格出现在右窗格中。控件中选择要包含报表的变量的复选框选择列。

  3. 通过单击选择文档类型报告格式然后选择你想要的格式。

  4. 点击好吧。

  5. 在选择要写入的文件亮点:

    1. 浏览到要在其中保存报表的文件夹。

    2. 在文件名称框中，键入报告的名称。

    3. 点击保存。

考虑生成一个HTML报告，用于分析航空公司乘客数据(参见进行合适度检查)。该图显示了如何选择所有变量和HTML格式。

下图显示了生成的报告的一个示例。

参考文献

[1]George e.p.， Gwilym M. Jenkins, Gregory C. Reinsel。时间序列分析:预测与控制。第3版。Englewood Cliffs, NJ: Prentice Hall, 1994。

另请参阅

应用程序

相关的话题