文档

估计乘法ARIMA模型使用计量经济建模器应用程序

这个例子显示了如何估算一个乘法季节性ARIMA模型通过使用计量经济建模器应用程序。存储在数据集高钙/ /经济学/ Data_Airline.mat例子,包含每月航班乘客的数量。的文件夹高钙的值是matlabroot。

将数据导入到计量经济学建模者

在命令行中,加载Data_Airline.mat数据集。

负载(fullfile (matlabroot“例子”,“经济学”,“Data_Airline.mat”))

在命令行,打开计量经济学建模师应用程序。

econometricModeler

另外,打开应用程序从应用程序画廊(见计量经济学建模师)。

进口数据表为应用程序:

  1. 在计量经济学建模师选项卡,进口部分中,点击。

  2. 在导入数据对话框,在进口吗?列,选择的复选框数据表变量。

  3. 点击进口。

的变量PSSG出现在数据浏览器,其时间序列的情节出现在时间序列图(PSSG)图窗口。

系列展品的季节性趋势,序列相关性,和可能的指数增长。交互式的序列相关性的分析,看到使用计量经济学建模应用程序检测序列相关性。

稳定系列

解决指数趋势运用对数变换PSSG。

  1. 在数据浏览器中,选择PSSG。

  2. 在计量经济学建模师选项卡,转换部分中,点击日志。

转换后的变量PSSGLog出现在数据浏览器,其时间序列的情节出现在时间序列图(PSSGLog)图窗口。

指数增长似乎从系列中删除。

解决季节性趋势通过应用12订单季节性差异。与PSSGLog选择的数据浏览器,在计量经济学建模师选项卡,转换节中,设置季节性来12。然后,单击季节性。

转换后的变量PSSGLogSeasonalDiff出现在数据浏览器,其时间序列的情节出现在时间序列图(PSSGLogSeasonalDiff)图窗口。

转换后的系列似乎有一个单位根。

测试的零假设PSSGLogSeasonalDiff有一个单位根通过使用增强Dickey-Fuller测试。指定替代是一个基于“增大化现实”技术(0)模型,然后再次测试指定一个AR(1)模型。调整到0.025显著性水平维持总显著性水平为0.05。

  1. 与PSSGLogSeasonalDiff选择的数据浏览器,在计量经济学建模师选项卡,测试部分中,点击新的测试>增强Dickey-Fuller测试。

  2. 在ADF选项卡,参数节中,设置显著性水平来0.025。

  3. 在测试部分中,点击运行测试。

  4. 在参数节中,设置数量的滞后来1。

  5. 在测试部分中,点击运行测试。

测试结果中出现结果表的ADF (PSSGLogSeasonalDiff)文档。

两个测试失败拒绝零假设,这个系列是一个单位根过程。

解决单位根通过应用第一个差别PSSGLogSeasonalDiff。与PSSGLogSeasonalDiff选择的数据浏览器,单击计量经济学建模师选项卡。然后,在转换部分中,点击区别。

转换后的变量PSSGLogSeasonalDiffDiff出现在数据浏览器,其时间序列的情节出现在时间序列图(PSSGLogSeasonalDiffDiff)图窗口。

重命名PSSGLogSeasonalDiffDiff变量来PSSGStable:

  1. 在数据浏览器,右键单击PSSGLogSeasonalDiffDiff。

  2. 在上下文菜单中,选择重命名。

  3. 输入PSSGStable。

应用程序更新与转换相关联的所有文件的名字。

识别模型系列

确定滞后结构对于一个条件意味着模型通过绘制数据的样本自相关函数(ACF)和偏自相关函数(PACF)。

  1. 与PSSGStable选择的数据浏览器,单击情节选项卡,然后单击ACF。

  2. 显示第一个50 ACF的滞后。在ACF选项卡,设置数量的滞后来50。

  3. 单击情节选项卡,然后单击PACF。

  4. 显示第一个50 PACF的滞后。在PACF选项卡,设置数量的滞后来50。

  5. 拖动ACF (PSSGStable)图窗口上方的PACF (PSSGStable)图窗口。

根据[1]的自我ACF和PACF表明以下SARIMA (0, 1, 1)×(0, 1, 1)12模型是适合PSSGLog。

( 1 − l ) ( 1 − l 12 ) y t = ( 1 + θ 1 l ) ( 1 + Θ 12 l 12 ) ε t 。

关闭所有图窗口。

指定和估计SARIMA模型

指定SARIMA (0, 1, 1)×(0, 1, 1)12模型。

  1. 在数据浏览器,选择PSSGLog时间序列。

  2. 在计量经济学建模师选项卡,模型部分,单击箭头>SARIMA。

  3. 在SARIMA模型参数对话框,在延迟订单标签:

    • 季节性部分

      1. 集度集成来1。

      2. 集移动平均线顺序来1。

      3. 清除包括常数项复选框。

    • 季节性部分

      1. 集期来12月度数据。

      2. 集移动平均线顺序来1。

      3. 选择包括季节性差异复选框。

  4. 点击估计。

模型变量SARIMA_PSSGLog出现在数据浏览器,其评估总结出现在模型总结(SARIMA_PSSGLog)文档。

结果包括:

  • 模型适合——时间序列的情节PSSGLog和拟合值SARIMA_PSSGLog。

  • 剩余的情节-残差的时间序列图SARIMA_PSSGLog。

  • 参数——估计参数表SARIMA_PSSGLog。由于常数项固定为0举行期间估计,它的价值和标准误差是0。

  • 拟合优度——AIC和BIC符合统计SARIMA_PSSGLog。

引用

[1]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。

另请参阅

应用程序

对象

功能

相关的话题

计量经济学工具文档
金宝app

试着用MATLAB仿真软金宝app件,和其他产品下载188bet金宝搏

得到审判现在