超类:
建立ARIMA时间序列误差的回归模型
regARIMA
创造一个Arima时间序列错误的回归模型保持回归系数的敏感性解释。创建一个Arima模型,其中包含用于外源预测器(ARIMAX)的线性回归分量,参见华宇电脑
.
缺省情况下,时间序列错误(也称为无条件干扰)是独立的,相同分布的,平均值0高斯随机变量。如果错误具有自相关结构,则可以为它们指定模型。模型包括:
移动普通(MA)
自回归(AR)
混合自回归和移动平均(ARMA)
综合(Arima)
乘法季节性(Sarima)
指定包含已知系数的错误模型:
创建一个带有0 Arima错误的回归模型,没有回归系数。MDL.
= regARIMA
创建一个回归模型,其中包含由自动增加度的非季度线性时间序列建模的错误MDL.
= regarima(p
,D
,问
)p
,差分化程度D
,移动平均度问
.
使用由一个或多个指定的附加选项创建带有ARIMA错误的回归模型MDL.
= regarima(名称,值
)名称,值
对论点。名称
也可以是属性名称和价值
是相应的价值。名称
必须出现在单引号内(”
)。您可以指定几个名称,值
以任何顺序对参数name1,value1,...,namen,valuen
.
请注意
对于具有非季节性ARIMA误差的回归模型,使用p
,D
, 和问
.对于季节性ARIMA误差的回归模型,使用名称,值
对论点。
|
误差模型的非季度,自回归多项式程度,指定为正整数。 |
|
错误模型的非季度集成度,指定为非负整数。 |
|
非季节性,为误差模型的移动平均多项式度,指定为一个正整数。 |
指定可选的逗号分隔对名称,值
论点。名称
参数名和价值
是相应的价值。名称
必须出现在引号内。您可以以任何顺序指定多个名称和值对参数name1,value1,...,namen,valuen
.
|
回归模型截距,由逗号分隔的对组成 默认值: |
|||||||||||||
|
与预测器数据相关联的回归模型系数,指定为包括的逗号分隔对 默认值: |
|||||||||||||
|
误差模型的非季度自动评级系数,指定为逗号分隔对组成
系数 默认值:细胞的向量 |
|||||||||||||
|
误差模型的非季度,移动平均系数,指定为逗号分隔对
默认值:细胞的向量 |
|||||||||||||
|
滞后与 默认值:整数1,2,…p,非季节性,自回归多项式次。 |
|||||||||||||
|
滞后与 默认值:整数1,2,…问,非季度移动平均多项式程度。 |
|||||||||||||
|
错误模型的季节性自动评级系数,指定为逗号分隔的配对组成
系数 默认值:细胞的向量 |
|||||||||||||
|
季节性,移动平均系数的错误模型,指定为逗号分隔的配对组成
系数 默认值:细胞的向量 |
|||||||||||||
|
滞后与 默认值:整数1,2,…p年代,季节性,自回归多项式程度。 |
|||||||||||||
|
滞后与 默认值:整数1,2,…问年代,季节移动平均多项式度。 |
|||||||||||||
|
误差模型的多项式(即非季度集成度)的非季度差异,指定为逗号分隔对 默认值: |
|||||||||||||
|
为误差模型的季节差分多项式度,指定为逗号分隔对组成 默认值: |
|||||||||||||
|
模型创新的变异ε.t,指定为逗号分隔的对,由 默认值: |
|||||||||||||
|
创新过程的条件概率分布,由逗号分隔对组成
默认值: |
|||||||||||||
|
字符串标量或描述模型的字符矢量。默认情况下,此参数描述了模型的参数形式,例如, |
请注意
指定与季节多项式相关联的滞后SAR.
和SMA
在观测数据的周期性,而不是其倍数季节性
参数。这个约定不符合Box和Jenkins的标准[1]符号,但它是一种更灵活的融合季节性的方法。
|
对应于误差模型的稳定多项式的非季度,自回归系数的细胞矢量。相关的滞后是1 2…p,这是非季度,自回归多项式,或如上所述 |
|
对应于预测器数据矩阵列的回归系数的真实矢量。 |
|
非负整数表示误差模型的非季度积分度。 |
|
字符串标量用于模型描述。 |
|
创新过程条件概率分布的数据结构。场 |
|
错误模型中的标量截距。 |
|
对应于误差模型的可逆多项式的非季度移动平均系数的细胞矢量。相关的滞后是1 2…问到非季节移动平均多项式的程度,或如 |
|
标量,复合自回归多项式的误差模型。
|
|
标量、复合移动平均多项式的误差模型。
|
|
对应于误差模型的稳定多项式的季节自回归系数的细胞矢量。相关的滞后是1 2…p年代,这是季节性自回归多项式程度,或如上所述 |
|
单元矢量的季节移动平均系数对应于一个可逆多项式的误差模型。相关的滞后是1 2…问年代,这是季节性移动平均多项式程度,或如上所述 |
|
非负整数表示误差模型的季节性差异多项式程度。 |
|
模型创新的正标量方差。 |
华宇电脑 | 将有ARIMA误差的回归模型转换为ARIMAX模型 |
估计 | Arima错误估算回归模型的参数 |
筛选 | 通过带有Arima误差的回归模型过滤干扰 |
预报 | 带有ARIMA误差的回归模型的预测响应 |
冲动 | 带有ARIMA误差的回归模型的脉冲响应 |
推断 | 使用Arima错误推断回归模型的创新 |
打印 | (要被删除)显示具有Arima错误的回归模型的估计结果 |
模拟 | Arima误差的蒙特卡罗模拟回归模型 |
总结 | 用Arima误差显示回归模型的估计结果 |
价值。要了解值类如何影响复制操作,请参阅复制对象.
[1]鲍克斯,乔治E. P., Gwilym M. Jenkins和格雷戈里C. Reinsel。时间序列分析:预测与控制.第三版。恩格尔伍德悬崖,新泽西:普伦蒂斯霍尔,1994。