估计ARIMAX使用计量经济学建模软件——MATLAB和Simulink模型万博1manbetx

估计使用计量经济学Modeler ARIMAX模型应用

这个例子显示了如何指定使用计量经济建模师,估计一个ARIMAX模型应用的数据集,这是存储在Data_CreditDefaults.mat,包含年度投资级公司债券违约率,其他预测,从1984年到2004年。考虑公司债券违约率的线性建模,动态功能的其他时间序列数据集。

将数据导入到计量经济学建模者

在命令行中,加载Data_CreditDefaults.mat数据集。

负载Data_CreditDefaults

更详细的数据集,输入描述在命令行中。

在命令行,打开计量经济学建模师应用程序。

econometricModeler

另外,打开应用程序从应用程序画廊(见计量经济学建模师)。

进口DataTimeTable为应用程序:

在计量经济学建模师选项卡,进口部分,单击进口按钮。
在“导入数据”对话框中,在进口吗?列,选择的复选框DataTimeTable变量。
点击进口。

的变量,包括IGD,出现在时间序列面板,一个时间序列包含所有系列中出现的阴谋时间序列图(年龄)图窗口。

评估依赖变量的平稳性

在时间序列面板,双击IGD。的价值IGD出现在预览面板,的时间序列图IGD出现在时间序列图(IGD)图窗口。

这个屏幕截图显示了一个时间序列变量IGD的情节。

IGD似乎是静止的。

评估是否IGD有一个单位根进行Phillips-Perron测试:

在计量经济学建模师选项卡,测试部分中,点击新的测试>Phillips-Perron测试。
在页选项卡,参数节中,设置数量的滞后来1。
在测试部分中,点击运行测试。

的测试结果结果表的页(IGD)文档。

结果表显示“Phillips-Perron测试为一个单位根(IGD);零假设:IGD包含单位根”。表显示列标题选择、零拒绝,假定值,测试统计,临界值,滞后,模型,检验统计量,显著性水平。下面有一行标题。

测试拒绝零假设IGD包含一个单位根。

检查变量之间的相关性和共线性

绘制两两变量之间的相关性。

选择的所有变量时间序列窗格中单击年龄,然后按转变并点击SPR。
单击情节选项卡,然后单击相关性。

一个关联的情节出现在相关性(年龄)图窗口。

这种相关性矩阵比较和相关时间序列变量SPR, IGD,论坛,BBB和年龄。

所有预测出现弱相关IGD。您可以测试是否相关系数利用非常重要corrplot在命令行中。

评估任何变量是否共线通过执行Belsley共线性诊断:

在时间序列窗格中,选择所有的变量。
单击计量经济学建模师选项卡。然后,在测试部分中,点击新的测试>Belsley共线性诊断。

出现在表格的结果共线性(年龄)文档。

的屏幕截图Belsley共线性诊断表显示列标题为奇异值,条件指数、年龄、BBB,论坛,IGD, SPR。有5行标题下面的参数值。

没有条件指数大于状况指数公差(30.)。因此,不要表现出多重共线性的变量。

指定和估计ARIMAX模型

考虑一个ARIMAX(0, 0, 1)模型IGD包含所有的预测指标。指定和估计模型。

在时间序列窗格中,单击IGD。
单击计量经济学建模师选项卡。然后,在模型部分,单击箭头显示模型的画廊。
在画廊,模型ARMA / ARIMA模型部分中,点击ARIMAX。
在ARIMAX模型参数对话框,延迟订单选项卡,设置移动平均线顺序来1。
在预测部分中,选择包括什么?为每个时间序列复选框。
点击估计。模型变量ARIMAX_IGD出现在模型出现在窗格中,其价值预览面板,其评估总结出现在模型总结(ARIMAX_IGD)文档。

在0.10的显著性水平,所有预测和马系数显著。

关闭所有图窗口和文档。

检查拟合优度

检查残差正态分布和不相关的策划一个直方图,quantile-quantile情节,ACF的剩余工资。

在模型窗格中,选择ARIMAX_IGD。
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。
在右窗格中,拖动直方图(ARIMAX_IGD)和QQPlot (ARIMAX_IGD)图窗口,这样他们占领上两个象限,并拖动ACF,它占据了较低的两个象限。

左上角这个屏幕截图显示了标签变量的直方图(ARIMAX_IGD),剩余ARIMAX_IGD的柱状图。在右上角的标签QQPlot这个屏幕截图显示变量(ARIMAX_IGD)剩余Quantile-Quantile ARIMAX_IGD的阴谋。在这个屏幕截图显示了选项卡底部ACF的变量(ARIMAX_IGD)的时间序列图ARIMAX_IGD的剩余样本自相关函数。

残差直方图和quantile-quantile情节表明残差可能不是正态分布。根据ACF情节,残差不表现出序列相关性。标准的推理依赖于正常的剩余工资。为了补救nonnormality,你可以试着改变的反应,然后使用转换后的反应估计模型。

另请参阅