条件均值模型
应用程序
| 计量经济学建模者 | 分析和模型计量时间序列 |
功能
例子和如何做
创建模型
创建条件平均模型使用阿里玛或econometricmodeler应用。
使用点表示法更改可修改的模型属性。
指定高斯或t分布创新过程，或方差过程的条件方差模型。
以交互方式指定TARIMA模型的创新分布。
使用创建平稳自回归模型阿里玛或econometricmodeler应用。
创建可逆移动平均模型使用阿里玛或econometricmodeler应用。
使用创建平稳和可逆自回归移动平均模型阿里玛或econometricmodeler应用。
创建自回归综合移动平均模型使用阿里玛或econometricmodeler应用。
创建ARIMAX模型使用阿里玛或econometricmodeler应用。
使用创建乘法ARIMA模型阿里玛或econometricmodeler应用。
创建一个季节性ARIMA模型。
创建复合条件均值和方差模型。
使模型适合数据
使用计量模型应用程序实现Box-Jenkins模型选择和估计
交互式地执行Box-Jenkins方法，为条件平均模型选择适当的滞后次数。然后，将模型与数据进行拟合，并将估计模型导出到命令行以生成预测。
比较Box-Jenkins和ARIMA估计。
使用信息标准选择ARMA模型。
交互式地估计乘法季节ARIMA模型。
估计乘性季节ARIMA模型。
通过指定乘法模型或使用季节性模型来估计季节性ARIMA模型。
以交互方式指定和估计ARIMAX模型。
估计一个复合条件平均和方差模型。
交互式评估模型假设后，数据拟合到ARIMA模型通过执行残差诊断。
从拟合的ARIMA模型推断残差。
导出变量到MATLAB®工作区，生成纯文本和实时函数，返回应用程序会话中估计的模型，或生成报告，记录时间序列上的活动和计量经济学建模器应用程序会话中估计的模型。
生成模拟或脉冲响应
模拟平稳自回归模型和移动平均模型。
通过模拟说明趋势平稳和差异平稳过程的区别。
利用倍增季节性ARIMA模型模拟样本路径。
从复合条件均值和方差模型模拟响应和条件方差。
绘制各种模型的脉冲响应函数。
生成最小均方误差预测
通过比较估计模型的AIC值，交互式地选择ARIMA模型的滞后。然后，将几个模型导出到命令行以比较它们的预测性能。
预测一个乘数季节ARIMA模型。
评估AR模型预测的渐近收敛性，并比较使用和不使用样本前数据进行的预测。
预测响应和条件方差从一个复合条件均值和方差模型。
通过计算MMSE预测或使用蒙特卡罗模拟来预测ARIMAX模型。
这个示例展示了如何将时间轴划分为预采样、估计和预测周期，并展示了如何提供适当数量的观测值来初始化一个用于估计和预测的动态模型。
概念
计量经济学建模器应用程序是一个交互式工具，用于可视化和分析单变量时间序列数据。
使用计量经济建模器为时间序列模型估计指定滞后算子多项式项。
了解条件均值模型的特征和形式。
学习自回归模型。
学习移动平均模型。
学习自回归、移动平均模型。
了解自回归综合移动平均模型。
了解如何使用乘法ARIMA模型处理季节性和潜在的季节性单位根。
了解包含外生变量线性项的ARIMA模型。
了解条件平均模型的最大似然性是如何实现的。
使用已知参数值在估计期间约束模型。
指定预采样数据以初始化模型。
指定估算的初始参数值。
通过指定替代优化选项来解决估算问题。
了解蒙特卡罗模拟。
了解模拟的预采样要求。
了解如何最小化瞬态效应。
了解蒙特卡罗预测。
了解脉冲响应函数。
了解MMSE预测。
特色实例
你也可以从以下列表中选择一个网站:
