regARIMA类
超类:
建立回归模型与ARIMA时间序列错误
描述
regARIMA
创建一个回归模型与ARIMA时间序列错误保持敏感性对回归系数的理解。创建一个ARIMA模型包含外生因素的线性回归组件(ARIMAX),看到的华宇电脑
。
默认情况下,时间序列错误(也称为无条件的干扰)是独立的,同分布,平均0高斯随机变量。如果有自相关结构的错误,那么您可以指定模型。模型包括:
移动平均线(MA)
自回归(AR)
混合自回归和移动平均(ARMA)
综合(ARIMA)
乘法季节性(SARIMA)
指定包含已知误差模型系数:
建设
创建一个回归模型与学位0 ARIMA错误和没有回归系数。Mdl
= regARIMA
创建一个回归模型与季节性建模误差,线性时间序列自回归的程度Mdl
= regARIMA (p
,D
,问
)p
,差分化程度D
和移动平均程度问
。
创建一个回归模型与ARIMA错误使用由一个或多个指定附加选项Mdl
= regARIMA (名称,值
)名称,值
对参数。的名字
也可以是属性名和价值
相应的价值。的名字
必须出现在单引号(”
)。您可以指定数名称,值
两参数在任何顺序Name1, Value1,…,的家
。
输入参数
请注意
对于季节性ARIMA的回归模型错误,使用p
,D
,问
。回归模型的季节性ARIMA错误,使用名称,值
对参数。
|
季节性、自回归多项式度误差模型,指定为一个正整数。 |
|
季节性集成程度的误差模型,指定为一个非负整数。 |
|
季节性、移动平均多项式度误差模型,指定为一个正整数。 |
指定可选的双参数作为Name1 = Value1,…,以=家
,在那里的名字
参数名称和吗价值
相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。
R2021a之前,用逗号来分隔每一个名称和值,并附上的名字
在报价。
|
回归模型拦截,指定为逗号分隔组成的 默认值: |
|||||||||||||
|
回归模型系数的预测数据,指定为逗号分隔组成的 默认值: |
|||||||||||||
|
季节性,自回归系数的误差模型,指定为逗号分隔组成的
的系数 默认值:细胞的向量 |
|||||||||||||
|
季节性,移动平均系数的误差模型,指定为逗号分隔组成的
默认值:细胞的向量 |
|||||||||||||
|
滞后的 默认值:向量的整数1、2、……p、季节性自回归多项式学位。 |
|||||||||||||
|
滞后的 默认值:向量的整数1、2、……问多项式,季节性移动平均程度。 |
|||||||||||||
|
季节性的,误差模型的自回归系数,指定为逗号分隔组成的
的系数 默认值:细胞的向量 |
|||||||||||||
|
季节性的,移动平均误差模型系数,指定为逗号分隔组成的
的系数 默认值:细胞的向量 |
|||||||||||||
|
滞后的 默认值:向量的整数1、2、……p年代、季节性自回归多项式学位。 |
|||||||||||||
|
滞后的 默认值:向量的整数1、2、……问年代,季节性移动平均多项式学位。 |
|||||||||||||
|
季节性差分多项式程度(即。,nonseasonal integration degree) for the error model, specified as the comma-separated pair consisting of 默认值: |
|||||||||||||
|
季节差分多项式度误差模型,指定为逗号分隔组成的 默认值: |
|||||||||||||
|
方差模型的创新εt,指定为逗号分隔两人组成的 默认值: |
|||||||||||||
|
条件概率分布的创新过程,指定为逗号分隔组成的
默认值: |
|||||||||||||
|
字符串标量或特征向量描述模型。默认情况下,这个观点描述了模型的参数形式,例如, |
请注意
指定与季节性多项式相关的滞后特别行政区
和SMA
周期性的观测数据,不作为的倍数季节性
参数。本公约不符合标准的盒子和詹金斯[1]符号,但它是一个更灵活的方法将乘法季节性。
属性
|
细胞向量的季节性自回归系数对应于一个稳定的误差模型的多项式。相关滞后1,2,…,p、这是季节性自回归多项式学位,或作为中指定 |
|
真正的回归系数对应的列向量矩阵的预测数据。 |
|
非负整数表示季节性集成程度的误差模型。 |
|
字符串标量模型描述。 |
|
数据结构的条件概率分布创新过程。这个领域 |
|
标量拦截在误差模型。 |
|
细胞季节性移动平均系数向量对应一个可逆的多项式的误差模型。相关滞后1,2,…,问多项式的季节性移动平均次数,或作为中指定 |
|
标量、复合自回归多项式程度的误差模型。
|
|
标量、复合移动均线多项式程度的误差模型。
|
|
细胞季节性自回归系数向量对应一个稳定误差模型的多项式。相关滞后1,2,…,p年代季节性自回归多项式学位,或作为中指定 |
|
细胞季节性移动平均系数向量对应一个可逆的多项式的误差模型。相关滞后1,2,…,问年代季节性移动平均多项式学位,或作为中指定 |
|
非负整数表示季节差分多项式度误差模型。 |
|
积极的标量方差模型的创新。 |
方法
华宇电脑 | 转换回归模型与ARIMA ARIMAX模型错误 |
估计 | 估计参数的回归模型与ARIMA错误 |
过滤器 | 过滤干扰通过回归模型与ARIMA错误 |
预测 | 预测反应的回归模型与ARIMA错误 |
冲动 | 脉冲响应的回归模型与ARIMA错误 |
推断出 | 推断出创新的回归模型与ARIMA错误 |
打印 | (删除)显示回归模型ARIMA错误的估计结果 |
模拟 | 蒙特卡罗模拟的回归模型与ARIMA错误 |
总结 | 显示估计回归模型与ARIMA错误的结果 |
复制语义
价值。学习如何价值类影响复制操作,明白了复制对象。
例子
更多关于
引用
[1]盒子,乔治·e·P。,Gwilym M. Jenkins, and Gregory C. Reinsel.时间序列分析:预测与控制。第三。恩格尔伍德悬崖,新泽西:普伦蒂斯霍尔,1994年。