使用计量经济模型应用程序- MATLAB和Simulink实现Box-Jenkins模型选择和估计万博1manbetx

使用计量模型应用程序实现Box-Jenkins模型选择和估计

这个例子展示了如何使用Box-Jenkins方法来选择和估计一个ARIMA模型，通过使用Econometric Modeler应用程序。然后，它展示了如何导出估计模型来生成预测。数据集，存储在Data_JAustralian.mat，包含从1972年和1991年开始测量的季度澳大利亚消费价格指数(CPI)，以及其他时间序列。

为计量模型准备数据

在命令行中，加载Data_JAustralian.mat数据集。

负载Data_JAustralian

转换表数据表一个时间表:

的行名数据表．
将采样时间转换为adatetime向量。
通过将行与中的采样时间关联，将表转换为时间表日期．

DataTable.Properties.RowNames = {};日期= datetime(日期,“ConvertFrom”，“datenum”，.．.“格式”，“ddMMMyyyy”，“场所”，“en_US”）;DataTable = table2timetable(数据表,“RowTimes”、日期);

将数据导入计量模型

在命令行中，打开计量经济学建模师应用程序。

econometricModeler

或者，从应用程序库打开应用程序(见计量经济学建模师）.

进口数据表为应用程序:

在计量经济学建模师选项卡,进口部分中,点击．
在导入数据对话框中进口吗?列的复选框，选择数据表变量。
点击进口．

的变量,包括加索尔，出现在时间序列窗格中，所有序列的时间序列图将出现在时间序列图(EXCH)图窗口。

创建一个时间序列图加索尔通过双击加索尔在时间序列窗格。

这个序列之所以显得非平稳是因为它有明显的上升趋势。

绘制系列样品ACF和PACF

绘制样本自相关函数(ACF)和偏自相关函数(PACF)。

在时间序列窗格中,选择加索尔时间序列。
单击情节选项卡,然后单击ACF．
单击情节选项卡,然后单击PACF．
关闭除相关图外的所有图形窗口。然后,拖ACF(加索尔)图窗口上方PACF(加索尔)图窗口。

显著的，线性衰减的样品ACF表明一个非平稳过程。

关闭ACF(加索尔)和PACF(加索尔)图窗口。

不同的系列

取数据的第一个差值。与加索尔选择的时间序列窗格中,在计量经济学建模师选项卡,转换部分中,点击区别．

转换后的变量PAUDiff出现在时间序列窗格，其时间序列图将显示在时间序列图(PAUDiff)图窗口。

差分消除了线性趋势。差分级数显得更平稳。

绘制差异序列的ACF和PACF样本

绘制样品的ACF和PACFPAUDiff．与PAUDiff选择的时间序列面板:

单击情节选项卡,然后单击ACF．
单击情节选项卡,然后单击PACF．
关闭时间序列图(PAUDiff)图窗口。然后,拖ACF (PAUDiff)图窗口上方PACF (PAUDiff)图窗口。

差异系列的样品ACF衰减较快。样品PACF在滞后2后切断。这一行为与差分序列的二级自回归(AR(2))模型一致。

关闭ACF (PAUDiff)和PACF (PAUDiff)图窗口。

指定和估计ARIMA模型

估计一个ARIMA(2,1,0)模型的对数季度澳大利亚CPI。该模型具有1度的非季节性差异和2次AR滞后。

在时间序列窗格中,选择加索尔时间序列。
在计量经济学建模师选项卡,模型部分中,点击华宇电脑．
在ARIMA模型参数对话框中延迟订单标签:
1. 集程度的集成来1．
2. 集自回归秩序来2．
点击估计．

模型变量ARIMA_PAU出现在模型窗格中，其值将显示在预览窗格，其估计摘要将出现在模型总结(ARIMA_PAU)文档。

两个AR系数均在5%显著水平下显著。

检查拟合优度

通过绘制残差的直方图、分位数图和ACF，检查残差是否正态分布且不相关。

关闭模型总结(ARIMA_PAU)文档。
与ARIMA_PAU选择的模型窗格中,在计量经济学建模师选项卡,诊断部分中,点击残留的诊断>残差直方图．
点击残留的诊断>剩余qq情节．
点击残留的诊断>自相关函数．
在右侧窗格中，拖动直方图(ARIMA_PAU)和QQPlot (ARIMA_PAU)图形窗口，使其占据上两个象限，并拖动ACF，使其占据下两个象限。

残差图表明残差近似正态分布且不相关。然而，有一些迹象表明有过量的大残留。这种行为表明t创新分布可能是合适的。

将模型导出到工作区

将模型导出到MATLAB^®工作区。

在时间序列窗格中,选择加索尔时间序列。
在计量经济学建模师选项卡,出口部分中,点击出口>出口变量．
在出口变量对话框中，选择选择复选框的ARIMA_PAU模型。
点击出口．的复选框加索尔时间序列已经选定。

的变量加索尔和ARIMA_PAU出现在工作区中。

在命令行生成预测

根据估计的ARIMA(2,1,0)模型生成未来4年(16个季度)的预测和大约95%的预测区间。使用整个系列作为预测的样本。

[PAUF, PAUMSE] =预测(ARIMA_PAU 16“Y0”,加索尔);UB = PAUMSE + 1.96*根号(PAUMSE);LB = PAUMSE - 1.96*sqrt(PAUMSE);datesF = date (end) + calquarters(1:16);图h4 = plot(日期，PAU，“颜色”,综合成绩、综合成绩、综合成绩);持有在h5 =情节(datesF PAUF,“r”，“线宽”2);到h6 =情节(datesF乌兰巴托,“k——”，“线宽”, 1.5);情节(datesF磅,“k——”，“线宽”, 1.5);传奇((h4、h5代替),“日志CPI”，“预测”，.．.预测区间的，“位置”，“西北”)标题(“记录澳大利亚CPI预测”)举行从

参考文献

［1］Box, George E. P.， Gwilym M. Jenkins，和Gregory C. Reinsel。时间序列分析:预测与控制．3版。恩格尔伍德悬崖，NJ: Prentice Hall, 1994。

另请参阅