自回归移动平均模型,包括外源性协变量,ARMAX(P.那问:),延伸到ARMA(P.那问:的)模型包括一种或多种外源系列对的线性效果静止反应级数yT..ARMAX的一般形式(P.那问:)模特是
(1) |
(2) |
您可以使用此模型检查一组外源变量是否对线性时间序列具有效果。例如,假设您要衡量前一周的油价的平均价格如何,XT.这将影响本周的美国汇率yT..汇率和石油价格是时间序列,所以ARMAX模型可能适合研究其关系。
ARMAX模型具有相同的平稳要求arma模型.具体而言,响应系列是稳定的如果均匀的根源特征方程式的 根据沃尔德分解,位于单位圆之外[2].
如果响应序列yT.不稳定,那么你可以差异化,形成一个静止阿玛玛模型.通过指定积分程度来做到这一点D.
.OuthoMetrics Toolbox™强制执行AR多项式的稳定性。使用时使用AR模型时阿玛玛
,如果输入不对应于稳定多项式的系数,软件会显示错误。相似地,估计
在估计期间施加有限的限制。
软件差异响应系列yT.前如果您指定集成程度,包括外源性协变量D.
.换句话说,外生协变量进入一个模型静止的响应.因此,arimax(P.那D.那问:)模特是
(3) |
您应该评估预测仪系列XT.是静止的。对所有非平稳的预测因子序列进行差分差点
在数据预处理阶段。如果XT.是非平稳的,那么是否为显著性的检验呢β可以产生假阴性。实际解释β如果您对预测仪系列进行影响,则更改。
软件使用条件均值模型的最大似然估计如Arimax模型。您可以指定高斯或学生的T.为了分配创新。
您可以在ARIMAX模型中包含季节性组件(参见乘法Arima模型)创建一个SARIMAX(P.那D.那问:)(P.S.那D.S.那问:S.的)S.模型。假设响应系列yT.是静止的,模型具有表单
在哪里Φ(左)和θ(l)为季节滞后多项式。如果yT.没有静止,那么您可以使用使用的非季度或季节集成度阿玛玛
.如果您指定季节性
≥0,则软件应用一级季节差异(D.S.= 1)到响应。除此以外,D.S.= 0.软件包括在响应差异后的外源协变量。
该软件在估计和推理期间将外源协变量视为固定的。
[1]盒子,G.E.P.,G.M. Jenkins和G. C. Reinsel。时间序列分析:预测和控制.3 ed。Englewood Cliffs,NJ:Prentice Hall,1994年。
[2]的山地,H。静止时间序列分析的研究.乌普萨拉,瑞典:Almqvist&Wiksell,1938年。