指定乘法Arima模型

打开实时脚本

此示例显示了如何使用阿里玛。The time series is monthly international airline passenger numbers from 1949 to 1960.

加载航空公司乘客数据。

加载航空公司数据集，然后绘制每月乘客总数的自然日志。

加载（'data_airline.mat'）y = log（数据）;t =长度（y）;图图（日期，y）xlim（[1，t]）datetick（'X'，，，，'Mmmyy'）轴紧的标题（“日志航空公司乘客”）ylabel（'（成千上万）'）

图包含一个轴对象。带有标题日志航空公司的轴对象包含类型线的对象。

数据看起来是非平稳的，具有线性趋势和季节性周期性。

绘制季节性整合系列。

计算不同的系列， $（（ 1 - l ）（（ 1 - l^{12} ） y_{t}$ ，在哪里 $y_{t}$ 是原始的日志转换数据。绘制不同的系列。

a1 = lagop（{1，-1}，“滞后”，[0,1]）;a12 = lagop（{1，-1}，“滞后”，[0,12]）;dy =滤波器（a1*a12，y）;图图（dy）标题（“不同的日志航空公司乘客”）

图包含一个轴对象。带有标题不同的日志航空公司乘客的轴对象包含一个类型线的对象。

不同的系列似乎是静止的。

绘制样品自相关函数（ACF）。

图形自动（dy，'numlags'，50）

图包含一个轴对象。带有标题示例自相关功能的轴对象包含4个类型的词干，行。

差异串联的样品ACF显示在滞后的滞后显着自相关。

指定季节性Arima型号。

Box，Jenkins和Reinsel建议乘法季节性模型，

$（（ 1 - l ）（（ 1 - l^{12} ） y_{t} = （（ 1 - θ_{1} l ）（（ 1 - θ_{12} l^{12} ） ε_{t} ，，，，$

对于此数据集（Box等，1994）。

指定此模型。

mdl = arima（'Constant'，0，'D'，1，“季节性”，12，...“马拉格”，1，'Smalags'，12）

Mdl = arima与属性:描述:“arima (0，1，1）Model Seasonally Integrated with Seasonal MA(12) (Gaussian Distribution)" 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

属性p等于13，对应于非季节和季节性差异的总和（1 + 12）。属性问也等于13，，，，corresponding to the sum of the degrees of the nonseasonal and seasonal MA polynomials (1 + 12). Parameters that need to be estimated have value南。

参考：

Box，G。E. P.，G。M. Jenkins和G. C. Reinsel。时间序列分析：预测和控制。第三版。新泽西州Englewood Cliffs：Prentice Hall，1994年。

也可以看看

阿里玛|Autocorr|筛选|lagop