计量经济学建模应用程序会话共享结果- MATLAB和Simulink MathWorks한국金宝app

分享计量经济学模型应用程序会议的结果

这个例子展示了如何通过以下方式共享Econometric Modeler应用程序会话的结果:

将时间序列和模型变量导出到MATLAB^®工作区
生成MATLAB纯文本和实时功能以在应用外部使用
根据时间序列和估计模型生成活动报告

在会话期间，示例转换和绘制数据，运行统计测试，并估计一个乘数季节性ARIMA模型。数据集data_airline.mat.包含每月的航空公司乘客计数。

将数据导入计量模型

在命令行，加载data_airline.mat.数据集。

负载Data_Airline

在命令行，打开计量经济学建模师应用程序。

econometricModeler

或者，从Apps Gallery打开应用程序（参见计量经济学建模师）.

进口可以数据进入应用程序：

在这方面计量经济学建模师标签，在进口部分，点击．
在里面导入数据对话框，在进口？列，选择复选框可以数据多变的。
点击进口．

变量PSSG出现在时间序列窗格中，其值将显示在预览窗格，它的时间序列情节出现在其中时间序列图(PSSG)图窗口。

该系列展示了季节性趋势，串联相关性和可能的指数增长。有关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．

在里面时间序列窗格，选择PSSG．
在这方面计量经济学建模师标签，在转换部分，点击日志．

转换后的变量pssglog.出现在时间序列窗格，它的时间序列情节出现在其中时间序列图(PSSGLog)图窗口。

指数增长似乎从该系列中取出。

通过应用第12次季节差异来解决季节趋势。与pssglog.选择的时间序列窗格中,在计量经济学建模师标签，在转换节中,设置季节性的到12.．然后，点击季节性的．

转换后的变量pssglogseasonaldiff出现在时间序列窗格，它的时间序列情节出现在其中时间序列图(PSSGLogSeasonalDiff)图窗口。

转换的系列似乎有一个单位根。

检验零假设pssglogseasonaldiff通过使用Augmented Dickey-Fuller测试获得单位根。指定替代是一个AR(0)模型，然后再次测试指定一个AR(1)模型。将显著性水平调整为0.025以保持总显著性水平0.05。

与pssglogseasonaldiff选择的时间序列窗格中,在计量经济学建模师标签，在测试部分，点击新的测试>增强DICKEY-FULLER测试．
在这方面ADF标签，在参数节中,设置显著性水平到0.025．
在里面测试部分，点击运行测试．
在里面参数节中,设置数量的滞后到1．
在里面测试部分，点击运行测试．

测试结果显示在结果表的ADF (PSSGLogSeasonalDiff)文档。

这两个测试都没有拒绝该序列是一个单位根过程的原假设。

对应用第一个差分来求单位根pssglogseasonaldiff．与pssglogseasonaldiff选择的时间序列窗格中,单击计量经济学建模师选项卡。然后,在转换部分，点击区别．

转换后的变量PSSGLogSeasonalDiffDiff出现在时间序列窗格，它的时间序列情节出现在其中时间序列图(PSSGLogSeasonalDiffDiff)图窗口。

在里面时间序列窗格，重命名PSSGLogSeasonalDiffDiff变量，单击两次以选择它的名称和pssgstable.．

该应用程序更新与转换系列相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)和偏自相关函数(PACF)来确定数据的条件平均模型的滞后结构。

与pssgstable.选择的时间序列窗格中,单击绘图选项卡,然后单击ACF．
显示ACF的前50个滞后。在这方面ACF选项卡,设置数量的滞后到50.．
单击绘图选项卡,然后单击PACF.．
显示PACF的前50个滞后。在这方面PACF.选项卡,设置数量的滞后到50.．
拖ACF（PSSGstable）图窗口高于PACF（PSSGStable）图窗口。

根据［1］， ACF和PACF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。

在里面时间序列窗格中,选择pssglog.时间序列。
在这方面计量经济学建模师标签，在楷模部分，单击箭头以显示模型库。
在模型陈列室，在ARMA / ARIMA模型部分，点击SARIMA．
在里面SARIMA模型参数对话框，在延迟订单标签:
- 季节性部分
  1. 集度集成到1．
  2. 集移动平均订单到1．
  3. 清除包括常数术语复选框。
- 季节性的部分
  1. 集期到12.指示每月数据。
  2. 集移动平均订单到1．
  3. 选择包括季节性差异复选框。
点击估计．

模型变量SARIMA_PSSGLog出现在楷模窗格中，其值将显示在预览窗格，其估计摘要将出现在模型总结(SARIMA_PSSGLog)文档。

将变量导出到工作区

出口pssglog.，pssgstable.，和SARIMA_PSSGLog到Matlab工作区。

在这方面计量经济学建模师标签，在出口部分，点击．
在里面出口变量对话框，选择选择复选框pssglog.和pssgstable.时间序列，和SARIMA_PSSGLog模型（如有必要）。该应用程序会自动为突出显示的所有变量选择复选框时间序列和楷模窗格。
点击出口．

在命令行，列出工作区中的所有变量。

谁

Name Size Bytes Class Attributes Data 144x1 1152 double DataTable 144x1 3192时间表Description 22x54 2376 char PSSGLog 144x1 1152 double PSSGStable 144x1 1152 double SARIMA_PSSGLog 1x1 7963 arima date 144x1 1152 double series 1x1 162 cell . txt . txt

内容data_airline.mat.，数字向量pssglog.和pssgstable.，估计华宇电脑模型对象SARIMA_PSSGLog是工作区中的变量。

预测未来三年(36个月)的日志航空旅客计数使用SARIMA_PSSGLog．指定pssglog.presample数据。

numObs = 36;fPSSG =预测(SARIMA_PSSGLog numObs,'y0'，pssglog）;

绘制乘客数量和预测图。

fh = DataTable.Time（结束）+ Calmonths（1：Numobs）;数字;绘图（DataTable.Time，Exp（PSSGLOG））;抓住在情节(fh exp (fPSSG));传奇('航空公司乘客计数'，的预测数量，......'地点'，'最好的事物'） 标题（'每月航空公司客运数，1949-1963'）ylabel（乘客数量的） 抓住从

从App Session生成纯文本功能

生成MATLAB功能以用于应用外部。该函数返回估计的模型SARIMA_PSSGLog给予可以数据．

在里面楷模应用程序的窗格，选择SARIMA_PSSGLog模型。
在这方面计量经济学建模师标签，在出口部分，点击出口>生成函数．MATLAB编辑器打开并包含一个名为modelTimeSeries．该功能接受可以数据（在本次会话中导入的变量），转换数据，返回估计的Sarima（0,1,1）×（0,1,1）_12.模型SARIMA_PSSGLog．
在这方面编辑选项卡上,单击节省>节省．
通过单击将函数保存到当前文件夹中节省在选择文件另存为对话框。

在命令行，估计Sarima（0,1,1）×（0,1,1）_12.通过通过可以数据到modeltimeseries.m.．模型名称sarima_pssglog2.．比较估计的模型SARIMA_PSSGLog．

SARIMA_PSSGLog2 = modelTimeSeries(数据表);总结(SARIMA_PSSGLog)总结(SARIMA_PSSGLog2)

Arima（0,1,1）模型与季节性MA（12）（高斯分布）有效的样品大小__________ Constant 0 0 NaN NaN MA{1} -0.37716 0.066794 -5.6466 1.6364e-08 SMA{12} -0.57238 0.085439 -6.6992 2.0952e-11 Variance 0.0012634 0.00012395 10.193 2.1406e-24 ARIMA(0,1,1) Model Seasonally Integrated with Seasonal MA(12) (Gaussian Distribution) Effective Sample Size: 144 Number of Estimated Parameters: 3 LogLikelihood: 276.198 AIC: -546.397 BIC: -537.488 Value StandardError TStatistic PValue _________ _____________ __________ __________ Constant 0 0 NaN NaN MA{1} -0.37716 0.066794 -5.6466 1.6364e-08 SMA{12} -0.57238 0.085439 -6.6992 2.0952e-11 Variance 0.0012634 0.00012395 10.193 2.1406e-24

正如预期的那样，模型是相同的。

从App Session生成实时功能

与纯文本函数不同，活动函数包含可使用活动编辑器修改的格式化文本和方程。

生成用于应用外部的实时功能。该函数返回估计的模型SARIMA_PSSGLog给予可以数据．

在里面楷模应用程序的窗格，选择SARIMA_PSSGLog模型。
在这方面计量经济学建模师标签，在出口部分，点击出口>生成生活功能．Live Editor打开并包含一个名为modelTimeSeries．该功能接受可以数据（在本次会话中导入的变量），转换数据，返回估计的Sarima（0,1,1）×（0,1,1）_12.模型SARIMA_PSSGLog．
在这方面直播编辑标签，在文件部分，点击节省>节省．
通过单击将函数保存到当前文件夹中节省在选择文件另存为对话框。

在命令行，估计Sarima（0,1,1）×（0,1,1）_12.通过通过可以数据到modeltimeseries.m.．模型名称sarima_pssglog2.．比较估计的模型SARIMA_PSSGLog．

SARIMA_PSSGLog2 = modelTimeSeries(数据表);总结(SARIMA_PSSGLog)总结(SARIMA_PSSGLog2)

Arima（0,1,1）模型与季节性MA（12）（高斯分布）有效的样品大小__________常数0 0 NaN MA {1} -0.37716 0.066794-5.6466 1.6364E-08 SMA {12} -0.57238 0.085439 -6.085439 -6.6992 2.0952C-11各方面0.0012634 0.193 2.1406395 10.193 2.14062 -24 Arima（0,1,1）模型季节性综合有季节性MA（12）（高斯分布）有效的样本大小：144估计参数数量：3 loglikelihip：276.198 AIC：-546.397 BIC：-537.488价值标准误坏________________________________________常数0 0 NAN NAN MA {1}  -0.37716 0.066794 -5.6466 1.6364E-08 SMA {12} -0.57238 0.085439 -6.6992 2.0952E-11方差0.0012634 0.00.12395 10.193 2.1406E-24

正如预期的那样，模型是相同的。

生成报告

生成所有操作的PDF报告pssglog.和pssgstable.时间序列，和SARIMA_PSSGLog模型。

在这方面计量经济学建模师标签，在出口部分，点击出口>生成报告．
在里面选择报告的变量对话框，选择选择复选框pssglog.和pssgstable.时间序列，和SARIMA_PSSGLog模型（如有必要）。该应用程序会自动为突出显示的所有变量选择复选框时间序列和楷模窗格。
点击好的．
在里面选择要写入的文件对话框中，导航到C: \ MyData文件夹。
在里面文档名称盒子，类型SARIMAReport．
点击节省．

应用程序发布创建所需的代码pssglog.，pssgstable.，和SARIMA_PSSGLog在PDFC：\ mydata \ sarimareport.pdf．该报告包括：

标题页和目录
包括所选时间序列的图
应用于所选时间序列的转换的描述
对所选时间序列进行统计检验的结果
所选模型的估计摘要

参考文献

［1］Box, George E. P.， Gwilym M. Jenkins，和Gregory C. Reinsel。时间序列分析:预测与控制．3版。恩格尔伍德悬崖，NJ: Prentice Hall, 1994。

另请参阅