指定乘法ARIMA模型
这个例子显示了如何指定一个季节性ARIMA模型使用华宇电脑
。国际航空客运量时间序列每月从1949年到1960年。
加载航空乘客数据。
加载该航空公司的数据集,然后情节的自然对数每月乘客总数。
负载(fullfile (matlabroot“例子”,“经济学”,“Data_Airline.mat”))y =日志(数据);T =长度(y);图绘制(日期、y) xlim ([1, T]) datetick (“x”,“mmmyy”)轴紧标题(“日志乘客”)ylabel (“(千)”)
数据看起来不稳定,线性趋势和季节周期。
情节季节性集成系列。
计算差系列, ,在那里 是原来的对数转换数据。情节差系列。
A1 = LagOp ({1},“滞后”[0,1]);A12 = LagOp ({1},“滞后”[0,12]);dY =过滤器(A1 * A12, y);图绘制(dY)标题(“差日志乘客”)
差系列似乎静止。
情节样本自相关函数(ACF)。
图autocorr (dY,“NumLags”,50)
示例ACF滞后差系列显示显著相关的是12的倍数。在较小的滞后也有可能显著相关。
指定一个季节性ARIMA模型。
盒子,詹金斯,Reinsel建议乘法季节性模型,
这个数据集(盒子et al ., 1994)。
指定这个模型。
Mdl = arima (“不变”0,' D ',1“季节性”12…“MALags”,1“SMALags”,12)
Mdl = arima与属性:描述:“季节性arima(0, 1, 1)模型结合季节性马(12)(高斯分布)”Distribution: Name = "Gaussian" P: 13 D: 1 Q: 13 Constant: 0 AR: {} SAR: {} MA: {NaN} at lag [1] SMA: {NaN} at lag [12] Seasonality: 12 Beta: [1×0] Variance: NaN
房地产P
等于13
,相应的季节性和季节性差异度之和(1 + 12)。房地产问
也等于13
,对应于度之和的季节性和季节性马多项式(1 + 12)。参数需要估计有价值南
。
引用:
盒子,g . e . P。,G. M. Jenkins, and G. 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。