条件均值模型
应用
| 计量经济学建模 | 分析并建立计量经济学时间序列模型 |
功能
例子及如何
创建模型
创建条件平均模型华宇或计量经济学建模应用。
使用点符号更改修改模型属性。
指定高斯或t分布式创新过程，或方差过程的条件方差模型。
交互式指定Ť对于ARIMA模型创新分布。
创建使用固定的自回归模型华宇或计量经济学建模应用。
使用以下工具创建可逆移动平均线模型华宇或计量经济学建模应用。
创建固定的和可逆的自回归移动平均使用模型华宇或计量经济学建模应用。
创建自回归综合移动平均模型使用华宇或计量经济学建模应用。
使用ARIMAX创建模型华宇或计量经济学建模应用。
创建使用乘ARIMA模型华宇或计量经济学建模应用。
创建一个季节性的ARIMA模型。
创建复合条件均值和方差模型。
拟合模型到数据
使用econommodeler应用程序实现Box-Jenkins模型选择和估计
交互式地实现Box-Jenkins方法，为条件平均模型选择适当的滞后次数。然后，将模型与数据匹配，并将估计模型导出到命令行以生成预测。
比较Box-Jenkins和ARIMA估计。
选择使用信息标准ARMA模型。
交互式估计乘积季节ARIMA模型。
估计乘积季节ARIMA模型。
通过指定乘法模型或使用季节性假人估计季节性ARIMA模型。
交互指定和估计的ARIMAX模型。
估计一个复合条件均值和方差模型。
通过执行残差诊断，将数据拟合到ARIMA模型后，交互式地评估模型假设。
从拟合ARIMA模型推断残差。
将变量导出到MATLAB®工作区，生成纯文本和返回在应用程序会话估计模型，或生成报表记录在计量建模应用会话时间序列的活动，并估计模型直播功能。
生成模拟或脉冲响应
模拟平稳自回归模型和移动平均模型。
通过仿真说明趋势平稳过程和差分平稳过程的区别。
从乘法季节ARIMA模型中模拟样本路径。
模拟响应和条件方差从复合条件均值和方差模型。
绘制各种模型的脉冲响应函数。
产生最小均方误差预测
通过比较估计模型的AIC值交互选择的ARIMA模型滞后。然后，几个模型输出到命令行来比较它们的预测性能。
预测一个乘法季节ARIMA模型。
从AR模型评估预测的渐进收敛，并比较使用和不使用样品前数据作出预测。
综合条件均值和方差模型的预测响应和条件方差。
通过MMSE预测或蒙特卡罗模拟对ARIMAX模型进行预测。
这个示例展示了如何将时间线划分为预样本、估计和预测时间段，并展示了如何提供适当数量的观察值来初始化动态模型以进行估计和预测。
概念
计量经济建模应用程序是用于可视化和分析单变量的时间序列数据的交互式工具。
指定滞后算子多项式术语的时间序列模型估计使用计量建模。
了解的特点和条件均值模型的形式。
学习自回归模型。
学习移动平均模型。
学习自回归移动平均模型。
了解ARIMA模型的模型。
学习使用乘法ARIMA模型处理季节性和潜在的季节性单位根。
了解ARIMA模型，包括外生变量线性项。
了解如何对条件平均模型执行最大似然。
使用已知的参数值估计期间约束模型。
指定样品前数据初始化模式。
用于估计的指定初始参数值。
通过指定替代的优化选项疑难解答估计问题。
学习蒙特卡罗模拟。
了解有关模拟样品前要求。
了解如何最大限度地减少瞬态效应。
学习蒙特卡罗预测。
了解脉冲响应函数。
学习MMSE预测。
相关信息
精选示例
你也可以从以下列表中选择一个网站:
