计量经济学建模应用程序概述- MATLAB和Simulink金宝app - 金宝app,下载188bet金宝搏,金宝搏官方网站

计量模型应用程序概述

的计量经济学建模师App是一个分析单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，将模型与数据拟合，并在这些操作之间迭代。当你对一个模型感到满意时，你可以把它导出到MATLAB中^®用于预测未来响应或进行进一步分析的工作区。您还可以从会话生成代码或报告。

通过输入启动econometretric ModelereconometricModeler在MATLAB命令行，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(应用程序标签上的MATLAB工具条)。

下面的工作流程描述了如何使用econometretresmodeler找到最适合时间序列数据的样本内模型。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。您可以根据需要轻松跳过步骤并迭代多个步骤。该应用程序非常适合Box-Jenkins方法来建立时间序列模型[1]．

为计量经济学建模器准备数据-选择一个响应变量进行分析，并从中建立预测模型。可选地，选择要包含在模型中的解释变量。

请注意

您只能从MATLAB工作区导入一个变量到econometretric Modeler。因此，在命令行中，必须将多个系列同步并连接到一个变量中。
导入时间序列变量-从MATLAB工作区或mat文件导入数据到计量经济模型。导入数据后，可以调整变量属性或变量是否存在。
进行探索性数据分析-以多种方式查看序列，通过转换序列来稳定序列，并通过执行统计测试来检测时间序列属性。
- 可视化时间序列数据—支金宝app持的图包括时间序列图和相关图(如ACF)。
- 执行规格和模型识别假设检验-多个序列间平稳性、异方差性、自相关性和共线性的检验。对于ARIMA和GARCH模型，这一步可以包括确定要包含在模型中的适当滞后数。金宝app支持的检验包括增强Dickey-Fuller检验、Engle's ARCH检验、Ljung-Box q检验和Belsley共线性诊断。
- 变换时间序列—支金宝app持的转换包括日志转换、季节和非季节差异转换。
将候选模型与数据相匹配-基于探索性数据分析或根据经济理论选择单变量响应序列的模型参数形式。然后对模型进行估计。金宝app支持的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)和多个线性回归模型(可选包含ARMA误差)。
进行拟合优度检查—通过残余诊断，确保模型对数据有充分的描述。
- 可视化残差，检查它们是否以零为中心、正态分布、同方差和序列不相关。金宝app支持的图包括分位数-分位数图和ACF图。
- 检验残差是否同方差和自相关。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。
找到样本内拟合最好的模型-估计同一家族内的多个模型，然后选择产生最小拟合统计量的模型，例如赤池信息准则(AIC)。
导出会话结果-在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-计量经济模型导出选定的变量到MATLAB工作空间。如果应用程序中的会话没有完成分析目标，例如预测响应，那么您可以导出变量(包括估计的模型)，以便在命令行中进行进一步分析。
- 生成一个函数-计量模型生成MATLAB纯文本或实时函数，返回给定导入数据的选定模型。此方法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-计量模型生成一个文档，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你的目标时，这种方法为你的分析提供了一个清晰方便的总结。

为计量经济学建模应用程序准备数据

您只能从MATLAB工作区导入一个变量到econometretric Modeler。因此，在导入数据之前，将响应序列和任何预测器序列连接到一个变量中。

econometretric Model金宝apper支持这些变量数据类型。

MATLAB时间表-变量必须是双精度数字向量。一个最佳实践是在一个时间表中导入您的数据，因为econometretric Modeler:
- 类中存储的名称来命名变量VariableNames字段属性财产。
- 将时间变量值用作表示时间的任何轴的标记标记。否则，表示时间的标记是索引。
- 使您能够在时间序列图上覆盖衰退带(参见recessionplot）
MATLAB表-变量必须是双精度数值向量。变量名是VariableNames字段属性财产。
数字向量或矩阵-对于矩阵，每一列都是一个单独的变量variableNamej,在那里j对应的列。

无论变量类型是什么，econometretric Modeler都假设行对应于时间点(观测值)。

导入时间序列变量

数据集可以存在于MATLAB工作区中，也可以存在于可以从计算机访问的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，单击复选框进口吗?列中包含数据的变量，然后单击进口．对话框中会显示受支持数据类型的工作区中的所有变量，但您只能选择一个。金宝app
若要从mat文件导入数据，请使用进口部分中,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，数据集中每个变量(列)的名称将出现在时间序列部份数据浏览器．同时，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中某个变量的名称是数据浏览器．

中的变量进行交互数据浏览器在几个方面。

方法中的变量，单击该变量，可选择执行统计测试或创建图形数据浏览器．如果你双击变量，那么应用程序也会在单独的时间序列图中绘制它。
控件中右键单击变量，可更改变量名或删除变量数据浏览器．然后，从上下文菜单中选择所需的操作。
如需同时操作多个时间序列，按Ctrl然后单击要使用的每个变量。

中导入数据Data_USEconModelMAT-file。

在命令行中，将数据加载到Workspace中。
```
负载Data_USEconModel
```
在计量经济模型中，在进口部份计量经济学建模师选项卡上,单击．的导入数据对话框。
Data_USEconModel存储几个变量。数据表和数据包含相同的数据，但是数据表将名称属性为变量，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．

所有变量数据表出现在数据浏览器．假设你想要保留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， econometricmodeler将显示以下对话框。

如果你点击好吧，然后econometricmodeler从数据浏览器，并关闭右侧窗格中的所有文档。

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及其之间的关系，并在脑海中形成预测模型。对于时间序列数据，识别指数增长、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，要识别响应序列序列相关结构中的模型形式和显著滞后，请使用Box-Jenkins方法[1]．如果您计划创建GARCH模型，则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。

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

可视化时间序列数据

导入数据集后，econometricmodeler将选择导入数据中的所有变量，并默认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:

在数据浏览器，为该情节选择适当的系列数目。
单击情节选项卡。
单击需要的绘图类型的按钮。

计量模型支持以下时间序列图。金宝app

情节	目标
时间序列或	识别缺失值或异常值。识别指数增长或包含趋势的系列。识别非平稳级数。识别包含波动率聚类的系列。比较同一幅图中两个不同尺度的序列(`等号左边轴`)．比较同一图中具有相似尺度的多个系列。
自相关函数	用序列相关性识别序列。确定AR模型是否合适。为模型识别识别识别显著的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。用成对的线性关系来确定变量。

您可以通过以下方式与现有的情节进行交互:

右击它
使用在情节上暂停时出现的情节按钮
使用图形窗口上的选项

金宝app支持的交互因图类型而异。

保存图形-右键单击图形，然后选择出口．保存出现的图形。
在图中添加或删除时间序列-右键单击图形，指向时间序列菜单，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．
缩放-在图形上暂停。如需放大，请单击．若要缩小，请单击．详情请参见缩放，平移和旋转数据(MATLAB)。
在图上暂停，然后单击．有关平移的详细信息，请参见缩放，平移和旋转数据(MATLAB)。
切换图例-在图形上暂停，然后单击．
显示网格线-在图上暂停，然后单击．

对于序列相关函数图，在ACF或PACF选项卡。你可以指定:

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分别有效为零

计量模型在您调整参数时实时更新图。

要同时查看多个图表，您可以通过将图表选项卡拖到右侧窗格的不同部分来定位它们。当你拖动一个图形时，应用程序会突出显示可能放置图形的部分。若要撤消上一个文档或图形窗口的定位，请在位于分区中间的圆点上暂停，然后单击当它出现时。

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

在数据浏览器,双击FEDFUNDS．
控件中的图形中，右键单击该图形，可将衰退带添加到图形中时间序列图(联邦基金)图窗口，然后选择显示经济衰退．
在情节选项卡上,单击ACF．
点击PACF．
单击时间序列图(联邦基金)图形窗口，并将其拖到右侧窗格的左侧。单击PACF (FEDFUNDS)图形窗口，并将其拖到窗格的右下方。

ACF逐渐消失，PACF在第一次延迟后中断。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区中间的圆点(在滞后x轴标签的ACF)。若要撤消此相关图定位，即按制表符分隔相关图，请在点上暂停并单击当它出现时。

执行规格和模型识别假设检验

您可以执行假设检验以确认可视化获得的时间序列属性，或者测试难以看到的属性。计量模型支持单变量系列的这些测试。金宝app

测试	假设
增强Dickey-Fuller	H₀:级数有单位根。 H₁:级数是平稳的。具体支持的参数请参见金宝app`adftest`．
Kwiatkowski, Phillips, Schmidt, Shin (KPSS)	H₀:级数为趋势平稳。 H₁:级数有单位根。具体支持的参数请参见金宝app`kpsstest`．
Leybourne-McCabe	H₀:级数为趋势平稳AR(p)的过程。 H₁:系列是一个ARIMA(p, 1, 1)的过程。指定p，调整滞后数参数。具体支持的参数请参见金宝app`lmctest`．
Phillips-Peron	H₀:级数有单位根。 H₁:级数是平稳的。具体支持的参数请参见金宝app`ppt`．
方差比	H₀:级数是随机游走。 H₁:级数不是随机游走。具体支持的参数请参见金宝app`vratiotest`．
恩格尔的拱	H₀:序列不表现出条件异方差(ARCH效应)。 H₁:系列是一个ARCH(p)模式，并附有p> 0。指定p，调整滞后数参数。具体支持的参数请参见金宝app`archtest`．
Ljung-Box Q-test	H₀:序列在第一个中不表现出自相关性米滞后，即对应的系数联合为零。 H₁:级数至少有一个非零自相关系数ρ_j，j∈{1,…,米}。指定米，调整滞后数参数。具体支持的参数请参见金宝app`lbqtest`．

请注意

在进行测试之前，econometricmodeler会删除前面和后面缺失的值(南值)。恩格尔的ARCH检验不支持级数中的缺失值，即:金宝app南值的前面和后面的观察。

平稳性测试结果建议您是否应该转换一个序列来稳定它，以及哪种转换是合适的。对于ARIMA模型，平稳性检验结果提示是否包含整合度。恩格尔的ARCH检验结果表明该系列是否表现出波动率聚类，并建议在GARCH模型中包含滞后。Ljung-Box q检验结果表明ARIMA模型中需要多少AR滞后。

在econometretric Modeler中执行单变量测试:

中选择变量数据浏览器．
在计量经济学建模师选项卡，在测试部分中,点击新的测试．
在测试图库中，单击要执行的测试。测试类型的新选项卡出现在工具条中，测试结果的新文档出现在右窗格中。
在测试类型选项卡上的参数节，调整测试参数。例如，考虑执行Engle's ARCH测试。在拱选项卡，在参数方法选择测试统计量中的滞后数滞后数旋箱，或显著性水平(即值α)使用显著性水平旋转盒子。
在测试类型选项卡上的测试部分中,点击运行测试．检验结果，包括是否拒绝原假设，对p的新行中显示结果测试结果表文件。如果零假设被拒绝，那么应用程序将突出显示黄色的行。

您可以调整参数并多次运行测试。中特定变量的每次测试运行的结果显示为新行结果表格控件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。保持整体错误发现率的一种保守方法是α是对每个检验的显著性水平应用Bonferroni校正。也就是说，总共是t测试组显著性水平价值α/t．

对于多个系列，您可以使用Belsley共线性诊断来评估系列之间共线性的强度和来源．执行Belsley相关诊断:

中选择至少两个变量数据浏览器．
在计量经济学建模师选项卡，在测试部分中,点击新的测试．
在测试图库中共线性部分中,点击贝尔斯利共线性诊断．工具条中出现了Belsley共线性诊断的新选项卡，右窗格中出现了用于结果的新文档。
在共线性选项卡，在公差节，调整测试参数。当你调整参数值时，应用程序会实时进行诊断。

econometretric Modeler返回每个变量的奇异值、条件指数和方差分解比例的表。属性指定的容差值条件指数参数的值。公差部份共线性选项卡。此外，计量模型绘制了每个变量突出显示行的方差分解比例。

在突出显示的行中，方差分解大于容差的变量(或图中有红色标记的变量)表现出多重共线性。有关Belsley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:共线性和估计方差．

要从诊断中添加或删除时间序列:

在测试结果文档中，右键单击结果表格或图表。
指出时间序列．将出现所有变量的列表。
单击变量将其添加到诊断中，或单击所选变量将其从诊断中删除。

考虑一个包含加拿大通货膨胀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。

导入数据表中的变量Data_Canada数据集为计量经济学建模师(见导入时间序列变量)．时间序列图显示在右侧窗格中。

所有序列似乎都包含自相关。尽管您应该在创建预测模型之前从预测变量中删除自相关，但本例在没有删除自相关的情况下继续进行。
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．

计量模型创建一个包含贝尔斯利共线性诊断结果的文档。

条件指标和方差分解比例容差默认值为30.和0.5,分别。因为它们的方差分解比例高于条件指数的容差，共线预测因子是INT_L，INT_M,INT_S．

时间序列转换

Box-Jenkins方法论[1]对于ARIMA模型选择，假设响应序列是平稳的，而包含非平稳预测因子和响应变量的模型可以产生伪回归模型(有关详细信息，请参见时间序列回归IV:伪回归)．为了稳定您的系列，econometricmodeler支持中的这些转换金宝app转换部份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	级数中的所有值都必须是正数。
线性去趋势	有线性确定性的趋势，可以识别使用最小二乘	当econometricmodeler对该系列进行趋势分析时，它忽略了前导或后导缺失(`南`)的值。如果在观察值之间出现任何缺失值，则应用程序返回一个向量`南`长度等于级数的值。
一阶差分	具有随机趋势	计量经济学建模器在差分级数前加上`南`价值。此操作确保差分序列具有与原始序列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季节中的周期。例如,`12`表示每月的季节转换。计量经济学建模师的微分级数`南(期, 1)`,在那里`期`是一个季节中的指定时段。此操作确保差分序列具有与原始序列相同的长度和时间基础。

详情请参见数据转换．

方法中的变量进行转换数据浏览器，然后单击一个转换。序列转换后，表示转换后的序列的新变量将出现在数据浏览器．此外，计量模型绘制并选择新变量。为了创建变量名，应用程序将转换名附加到变量名的末尾。属性中的已转换变量可以重命名数据浏览器,选择重命名在上下文菜单，然后输入新的名称。按可选择多个系列Ctrl然后点击每个系列，然后同时对选定的系列应用相同的变换。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，并将转换后的变量绘制在同一个图形中。

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

导入数据表中的变量Data_USEconModel数据集进入计量经济模型(见导入时间序列变量)．
在数据浏览器中,选择国内生产总值．
在计量经济学建模师选项卡，在转换部分中,点击日志．应用程序创建一个名为GDPLog，出现在数据浏览器，并显示时间序列的图形。
在转换部分中,点击区别．这个应用程序创建一个名为GDPLogDiff并显示时间序列的图形。
在转换部分中,点击区别．应用程序创建一个名为GDPLogDiffDiff并显示时间序列的图形。

GDPLogDiffDiff是稳定的GDP。

模型与数据拟合

探索性数据分析的结果可以提出几个候选模型。要选择一个模型，在数据浏览器，为响应选择一个时间序列变量，则在计量经济学建模师选项卡，在模型部分，单击模型或在模型库中单击一个模型。计量经济模型支持以下模型。金宝app

模型类型

模型	类型
条件是:ARMA / ARIMA模型部分	平稳自回归(AR) 详细信息请参见自回归模型，`华宇电脑`,`估计`．
平稳移动平均(MA) 详细信息请参见移动平均模型，`华宇电脑`,`估计`．
平稳ARMA 详细信息请参见自回归移动平均模型，`华宇电脑`,`估计`．
非平稳综合ARMA (ARIMA) 详细信息请参见ARIMA模型，`华宇电脑`,`估计`．
季节(乘性)ARIMA (SARIMA) 详细信息请参见乘法ARIMA模型，`华宇电脑`,`估计`．
包含外生预测因子的ARIMA (ARIMAX) 详细信息请参见包含外生协变量的ARIMA模型，`华宇电脑`,`估计`．
季节性ARIMAX 详细信息请参见`华宇电脑`和`估计`．
条件方差:GARCH模型部分	广义自回归条件异方差(GARCH) 详细信息请参见GARCH模型，`garch`,`估计`．
指数GARCH (EGARCH) 详细信息请参见EGARCH模型，`egarch`,`估计`．
格洛斯滕、贾格纳森和朗克尔(GJR) 详细信息请参见GJR模型，`gjr`,`估计`．
多元线性回归:回归模型部分	多元线性回归详细信息请参见时间序列回归I:线性模型，`LinearModel`,`fitlm`．
带ARMA误差的回归模型详细信息请参见具有时间序列误差的回归模型，`regARIMA`,`估计`．

条件是:ARMA / ARIMA模型部分

平稳自回归(AR)

详细信息请参见自回归模型，华宇电脑,估计．

平稳移动平均(MA)

详细信息请参见移动平均模型，华宇电脑,估计．

平稳ARMA

详细信息请参见自回归移动平均模型，华宇电脑,估计．

非平稳综合ARMA (ARIMA)

详细信息请参见ARIMA模型，华宇电脑,估计．

季节(乘性)ARIMA (SARIMA)

详细信息请参见乘法ARIMA模型，华宇电脑,估计．

包含外生预测因子的ARIMA (ARIMAX)

详细信息请参见包含外生协变量的ARIMA模型，华宇电脑,估计．

季节性ARIMAX

详细信息请参见华宇电脑和估计．

条件方差:GARCH模型部分

广义自回归条件异方差(GARCH)

详细信息请参见GARCH模型，garch,估计．

指数GARCH (EGARCH)

详细信息请参见EGARCH模型，egarch,估计．

格洛斯滕、贾格纳森和朗克尔(GJR)

详细信息请参见GJR模型，gjr,估计．

多元线性回归:回归模型部分

多元线性回归

详细信息请参见时间序列回归I:线性模型，LinearModel,fitlm．

带ARMA误差的回归模型

详细信息请参见具有时间序列误差的回归模型，regARIMA,估计．

对于条件平均模型估计，SARIMA和SARIMAX是最灵活的模型。通过单击，可以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．

选择模型后，应用程序显示类型模型参数对话框，其中类型模型类型。这张图显示了SARIMAX模型参数对话框。

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:

一个模型常数(偏移量或截距)和线性回归系数对应的预测变量(见调整模型常数和回归分量参数）
时间序列成分参数，包括季节性和非季节性滞后和整合程度(见调整时间序列组件参数）
创新分布(见调整创新分布参数）

在调整参数值时，公式中的模型方程部分更改以匹配您的规范。可调参数对应于相应模型创建参考页中描述的输入和名值对参数。具体操作请参见各型号功能参考页面。无论您选择哪种模型，模型中的所有系数都是未知的和可估计的，包括t-分布自由度参数(当您指定一个t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。详细信息请参见指定条件均值和方差模型．
在估计期间对指定的参数应用相等约束(在估计期间将参数固定为零除外)。

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

调整模型常数和回归分量参数

要包含模型常数(偏移量或截距)项，请选择包括常数项或包括抵消期复选框。若要删除模型常数(即在估计期间将其约束为零)，请清除复选框。控件中的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，econometretric Modeler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器，请使用预测列表中的复选框包括什么?列，对应于要包含在模型中的预测器。默认情况下，应用程序不包括任何模型类型的回归组件。

如果您选择ARIMAX，SARIMAX,或RegARMA，那么你必须选择至少一个预测器。
如果您选择高钙，然后您可以指定以下其中之一:
- 当你选择至少一个预测时，一个MLR模型
- 中的所有复选框清除时，将得到一个常量平均模型(仅截取模型)包括什么?列，并选择包括拦截复选框
- 中清除所有复选框时的唯一错误模型包括什么?列，并清除包括拦截复选框

考虑GDP到CPI和失业率的线性回归模型。要指定回归:

导入数据表中的变量Data_USEconModel数据集进入计量经济模型(见导入时间序列变量)．
在数据浏览器，选择响应变量国内生产总值．
在计量经济学建模师选项卡，在模型部分中，单击箭头以显示模型库。
在模特展厅里，在回归模型部分中,点击高钙．
在MLR模型参数对话框中的包括什么?列，选择CPIAUCSL和UNRATE复选框。
单击估计按钮。

调整时间序列组件参数

一般情况下，时间序列分量参数包含滞后，包括季节和非季节滞后算子多项式，以及季节和非季节的积分度。

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集成程度。
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
对于带有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集成程度的模型，请改用命令行。

计量模型支持两个选项来调整参数。金宝app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。在延迟订单选项卡时，可以指定订单滞后算子多项式的。该特性使您能够在一个延迟运算符多项式中有效地包括从1到指定顺序的所有延迟。在滞后的向量选项卡，您可以指定个人滞后包括一个滞后算子多项式。这个特性非常适合创建灵活的模型。详情请参见交互式地指定滞后算子多项式．

调整创新分布参数

对于所有模型，您可以指定创新的分布是高斯分布。对于除多元线性回归模型外的所有模型，您都可以指定Student的t相反，要处理细峰度创新分布(有关详细信息，请参阅条件平均模型的极大似然估计，条件方差模型的极大似然估计,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，计量模型使用高斯分布的创新。改变创新分布，在类型模型参数对话框，从创新分布按钮，在列表中选择一个发行版。

估计模型

计量模型处理模型中的所有参数都是未知的和可估计的。指定模型后，通过单击使其适合数据估计在类型模型参数对话框。

请注意

计量模型需要可估计参数的初始值和预采样观测值来初始化模型进行估计。中所述的econometricmodeler总是选择默认的初始值和预样本值估计您要估计的模型的参考页。
如果计量模型在估计期间出现错误，则:
- 指定的模型不能很好地描述数据。调整模型参数，对新模型进行估计。
- 在命令行上，调整优化选项并估计模型。详细信息请参见条件平均模型估计的优化设置，条件方差模型估计的优化设置,或regARIMA模型估计的优化设置．

在你估计一个模型之后:

描述估计模型的新变量出现在模型部份数据浏览器用名字Type_response．类型型号是型号和响应是econometretric Modeler拟合模型的响应变量，例如，ARIMA_FEDFUNDS．
你在一个估计模型上操作数据浏览器右键点击它。除了时间序列变量的可用选项(请参阅导入时间序列变量)，则上下文菜单包括修改选项，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．
的模型总结(Type_response）汇总估计结果的文档出现在右窗格中。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 $\overset{＾}{y}$
- 参数—估算汇总表，包含参数估算值、标准误差和t统计数据和p-values用于测试对应参数为0的零假设
- 剩余的情节残差的时间序列图
- 拟合度赤池信息准则(AIC)和贝叶斯信息准则(BIC)模型拟合统计
对于条件方差模型，结果还包括一个估计汇总表和拟合优度统计量，但计量模型图:
- 有条件的差异-推断条件方差的时间序列图 ${\overset{＾}{σ}}_{t}^{2}$
- 标准化残差-标准化残差的时间序列图 $\frac{y_{t} - c}{{\overset{＾}{σ}}_{t}^{2}}$ ,在那里c是估计的偏移量
您可以通过在一个图上暂停并选择一个交互来与单个图进行交互(参见可视化时间序列数据)．您还可以通过右键单击文档来与摘要交互。选项包括:
- 出口-在单独的图形窗口中放置plot。
- 显示模型-通过指向显示另一个估计模型的摘要显示模型，然后在列表中选择一个型号。
- 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1949年至1960年的每月国际航空旅客人数Data_Airline数据集。要使用计量经济建模器来估计这个模型:

导入数据表中的变量Data_Airline数据集为计量经济学建模师(见导入时间序列变量)．
在计量经济学建模师选项卡，在模型部分，单击箭头>SARIMA．
在SARIMA模型参数对话框中的延迟订单标签:
- 季节性部分
  1. 集整合程度来1．
  2. 集移动平均订单来1．
  3. 清除包括常数项复选框。
- 季节性部分
  1. 集期来12表示每月数据。
  2. 集移动平均订单来1．
  3. 选择包括季节差异复选框。
点击估计．

变量名为SARIMA_PSSG出现在模型部份数据浏览器，该估计摘要出现在新的模型总结(SARIMA_PSSG)文档。

进行拟合优度检查

在估计一个模型之后，一个好的做法是确定拟合模型的充分性(参见拟合度)．计量模型非常适合于可视化评估样本内拟合(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并研究是否必须重新指定模型以处理数据的其他属性。评估的模型假设包括检查残差是否以零为中心、正态分布、同方差和序列不相关。如果残差不能显示所有这些属性，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:剩余诊断和残留的诊断．

要使用计量经济建模器执行拟合优度检查，请在模型部份数据浏览器，选择一个估计模型。然后完成以下步骤:

为了直观地评估所有模型(条件方差模型除外)的样本内拟合，请检查模型适合图在模型的总结文档。
若要直观地评估残差是否以零为中心、自相关和异方差，请检查剩余的情节在模型的总结文档。

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．诊断图库提供了这些剩余图和测试。

方法	诊断
残差直方图	目测是否正常
残差分位数-分位数图	目测正态和偏态
ACF	目测残差是否自相关
Ljung-Box Q-test	检验残差是否显著自相关
残差平方的ACF	目测残差是否具有条件异方差
恩格尔的ARCH测验	条件异方差的检验残差(显著ARCH效应)

或者，绘制估计模型残差的直方图、分位数-分位数图或ACF:

中选择模型数据浏览器．
单击情节选项卡。
在情节部分中，单击箭头，然后单击模型图画廊的一部分。

请注意

另一个重要的拟合优度检查是预测绩效评估。为了评估几个模型的预测性能:

为数据拟合一组模型计量经济学建模师．
对所有型号进行残留诊断。
选择具有理想残差属性和最小拟合统计量的模型子集(参见寻找最佳样本拟合模型)．
导出所选模型到MATLAB工作区(见导出会话结果)．
在命令行执行预测性性能评估(请参见评估预测表现)．

有关示例，请参见比较使用计量经济学建模应用程序创建模型后的预测性能．

考虑对估计的SARIMA(0,1,1)×(0,1,1)进行拟合优度检查₁₂用于航空公司统计数据的模型估计模型．

在右侧窗格的模型总结(SARIMA_PSSG)文档:
1. 模型适合说明模型与数据吻合得很好。
2. 剩余的情节表明残差的均值为零。然而，残差呈现异方差和序列相关。
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．在诊断图库中:
1. 点击残差Q-Q图．右边窗格显示一个名为QQPlot (SARIMA_PSSG)包含残差的分位数-分位数图。
  
  图显示残差近似正常，但尾部稍重。
2. 点击自相关函数．在工具条中，ACF选项卡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限，残差可能不是序列相关的。
3. 点击恩格尔的ARCH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。控件的右窗格显示拱(SARIMA_PSSG)文档中的测试结果结果表格
  
  结果表明，在5%的显著性水平上，残差不表现出ARCH效应的原假设被否定。您可以尝试通过对级数应用对数变换来消除异方差。

寻找最佳样本拟合模型

计量模型使您能够将多个相关模型有效地拟合到数据集。在您估计一个模型之后，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，模型与数据拟合,进行拟合优度检查．在每次迭代之后，一个新的模型变量出现在模型部份数据浏览器．

对于拟合到相同响应序列的同一参数族中的模型，可以通过比较估计模型的拟合统计量来确定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：

在模型部份数据浏览器，双击估算模型。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。
在模型总结(模型）文档中的拟合度表中，选择合适的统计量(AIC或BIC)并记录其值。
为所有候选模型迭代前面的步骤。
选择产生最小拟合统计量的模型。

有关拟合优度统计的详细信息，请参见信息标准．

中的航空乘客计数日志，考虑寻找周期为12的最佳拟合SARIMA模型Data_Airline数据集。拟合SARIMA模型的子集，考虑包括最多两个季节性和非季节性MA滞后的所有模型组合。

导入数据表中的变量Data_Airline数据集为计量经济学建模师(见导入时间序列变量)．
应用对数变换到PSSG(见时间序列转换)．
拟合SARIMA(0,1，问)×(0,1,问₁₂）₁₂来PSSGLog，其中所有未知阶数为0(见估计模型)．
在右侧窗格的模型总结(SARIMA_PSSGLog)文档中的拟合度表，记录AIC值。
在数据浏览器中,选择PSSGLog．
重复步骤4和5，但要调整问和问₁₂的九种排列问∈{0，1，2},问₁₂∈{0，1，2}。econometretric Modeler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值在此表中。

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

因为它得到最小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

econometretresmodeler为您提供了共享会话结果的几个选项。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份计量经济学建模师选项卡。该表描述了可供选择的选项。

选项	描述
出口变量	导出时间序列和模型变量到MATLAB工作区。选择此选项可在MATLAB命令行中执行进一步分析。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，并输出在应用程序会话中估计的模型。选择此选项可: 理解econometretric Modeler用于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。
生成活函数	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，并输出在应用程序会话中估计的模型。选择此选项可: 理解econometretric Modeler用于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	生成一个总结会议的报告。当您在econometricmodeler中实现分析目标，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数据浏览器到MATLAB工作区:

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．
在出口变量对话框中，所有时间序列变量数据浏览器显示在左侧窗格中，所有模型变量显示在右侧窗格中。属性中的相应复选框，选择要导出的时间序列和模型变量选择列。程序中选择的所有时间序列或模型变量的复选框数据浏览器．清除不想导出的变量的复选框。例如，该图显示了如何选择PSSGLog时间序列和SARIMA_PSSGLogSARIMA模型。
点击出口．

所选变量出现在MATLAB工作区中。时间序列变量是双精度列向量。估计模型是类型依赖于模型的对象(例如，导出的ARIMA模型是一个华宇电脑对象)。

类型中的变量也可以导出数据浏览器通过选择至少一个变量，右键单击所选变量，然后选择出口．

生成函数

该应用程序可以生成纯文本函数或活动函数。这两个函数之间的主要区别是用于修改生成函数的编辑器:在MATLAB编辑器中编辑纯文本函数，在live editor中编辑实时函数。有关这两种函数类型之间差异的详细信息，请参见什么是动态脚本或函数?(MATLAB)。

不管你选择哪种函数类型，生成的函数都会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。导出一个MATLAB函数或动态函数，在应用程序会话中创建一个估计的模型:

在数据浏览器，选择一个估计模型。
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活函数．

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，并对在econometricmodeler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模型适合航空乘客数据日志(见估计模型)．该图显示了生成的活动函数。

生成报表

econometretric Modeler可以生成一个报告，描述您在选定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。章节描述在相应变量上执行的会话活动。

有关时间序列变量的章节描述了在会话中对所选变量执行的转换、绘图和测试。估计模型章节包含一个估计摘要，即元素模型的总结文档(见估计模型)，以及剩余诊断图和测试。

您可以将报表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)
便携式文件格式(PDF)

导出报表。

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．
在选择要包括在报告中的项目对话框中，所有时间序列变量数据浏览器显示在左侧窗格中，所有模型变量显示在右侧窗格中。控件中的复选框，以选择包含报表的变量选择列。
单击，选择文档类型报告格式选择你想要的格式。
点击好吧．
在选择写入文件亮点:
1. 浏览到要保存报表的文件夹。
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，用于分析航空乘客数据(参见进行拟合优度检查)．该图显示了如何选择所有变量和HTML格式。

该图显示了生成的报告的示例。

参考文献

[1]博克斯，g.e.p.， g.m.詹金斯，g.c.赖塞尔。时间序列分析:预测与控制．恩格尔伍德悬崖，新泽西州:普伦蒂斯大厅，1994年。

另请参阅

应用程序

计量经济学建模师