估计乘法ARIMA模型使用计量经济建模器应用程序
下面的例子使用了Box-Jenkins方法[1]确定乘法季节性ARIMA (SARIMA)一系列单变量模型通过使用计量经济学建模应用。具体地说,这个示例显示了这个过程:
视觉判断系列指数趋势,然后删除趋势如果有的话)。
剩下的步骤确定的结构条件意味着模型适合系列没有指数的趋势。
视觉判断转换系列季节性集成,然后消除季节性集成,如果它存在,通过季节性差异。度季节性集成删除记录。
确定了系列有一个单位根进行统计检验,然后应用一阶差分系列稳定,如果存在单位根。记录是否存在单位根。
确定季节性AR和马度条件均值模型固定系列检查相关图的稳定。记录多项式度。
使用步骤2到步骤4的结果来创建和评估一系列的非平稳条件意味着模型与指数的趋势。
数据集Data_Airline.mat
包含每月航班乘客的数量。
将数据导入到计量经济学建模者
在命令行中,加载Data_Airline.mat
数据集。
负载Data_Airline
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PSSG
出现在时间序列出现在窗格中,其价值预览面板,其时间序列的情节出现在时间序列图(PSSG)图窗口。
系列展品的季节性趋势,序列相关性,和可能的指数增长。交互式的序列相关性的分析,看到使用计量经济学建模应用程序检测序列相关性。
稳定系列
正确确定滞后算子多项式订单条件均值模型,相关图需要一系列静止。
解决指数趋势运用对数变换PSSG
。
在时间序列窗格中,选择
PSSG
。在计量经济学建模师选项卡,转换部分中,点击日志。
转换后的变量PSSGLog
出现在时间序列出现在窗格中,其价值预览面板,其时间序列的情节出现在时间序列图(PSSGLog)图窗口。
指数增长似乎从系列中删除。
其余的例子决定条件是模型的参数系列PSSGLog
由几个视觉和统计诊断和转换。
解决季节性趋势通过应用12订单季节性差异。与PSSGLog
选择的时间序列窗格中,在计量经济学建模师选项卡,转换节中,设置季节性来12
。然后,单击季节性。
转换后的变量PSSGLogSeasonalDiff
出现在时间序列面板,其时间序列的情节出现在时间序列图(PSSGLogSeasonalDiff)图窗口。
转换后的系列似乎有一个单位根。
测试的零假设PSSGLogSeasonalDiff
有一个单位根通过使用增强Dickey-Fuller测试。指定替代是一个基于“增大化现实”技术(0)模型,然后再次测试指定一个AR(1)模型。调整到0.025显著性水平维持总显著性水平为0.05。
与
PSSGLogSeasonalDiff
选择的时间序列窗格中,在计量经济学建模师选项卡,测试部分中,点击新的测试>增强Dickey-Fuller测试。在ADF选项卡,参数节中,设置显著性水平来
0.025
。在测试部分中,点击运行测试。
在参数节中,设置数量的滞后来
1
。在测试部分中,点击运行测试。
测试结果中出现结果表的ADF (PSSGLogSeasonalDiff)文档。
两个测试失败拒绝零假设,这个系列是一个单位根过程。
解决单位根通过应用第一个差别PSSGLogSeasonalDiff
。与PSSGLogSeasonalDiff
选择的时间序列窗格中,单击计量经济学建模师选项卡。然后,在转换部分中,点击区别。
转换后的变量PSSGLogSeasonalDiffDiff
出现在时间序列面板,其时间序列的情节出现在时间序列图(PSSGLogSeasonalDiffDiff)图窗口。
在时间序列窗格中,重命名PSSGLogSeasonalDiffDiff
变量通过点击两次选择它的名称和输入PSSGStable
。
应用程序更新与转换相关联的所有文件的名字。
识别模型系列
确定滞后结构对于一个条件意味着模型策划系列的样本自相关函数(ACF)和偏自相关函数(PACF)稳定系列。
与
PSSGStable
选择的时间序列窗格中,单击情节选项卡,然后单击ACF。显示第一个50 ACF的滞后。在ACF选项卡,设置数量的滞后来
50
。单击情节选项卡,然后单击PACF。
显示第一个50 PACF的滞后。在PACF选项卡,设置数量的滞后来
50
。拖动ACF (PSSGStable)图窗口上方的PACF (PSSGStable)图窗口。
根据[1]ACF的自我和PACF,结果在之前的步骤中,和吝啬的平衡模型的复杂性,建议以下SARIMA (0, 1, 1)×(0, 1, 1)12模型是适合的非平稳序列的指数趋势移除PSSGLog
。
关闭所有图窗口。
指定和估计SARIMA模型
指定SARIMA (0, 1, 1)×(0, 1, 1)12模型。
在时间序列窗格中,选择
PSSGLog
时间序列。在计量经济学建模师选项卡,模型部分,单击箭头>SARIMA。
在SARIMA模型参数对话框,延迟订单标签:
季节性部分
集度集成来
1
。集移动平均线顺序来
1
。清除包括常数项复选框。
季节性部分
集期来
12
月度数据。集移动平均线顺序来
1
。选择包括季节性差异复选框。
点击估计。
模型变量SARIMA_PSSGLog
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(SARIMA_PSSGLog)文档。
结果包括:
模型适合——时间序列的情节
PSSGLog
和拟合值SARIMA_PSSGLog
。剩余的情节-残差的时间序列图
SARIMA_PSSGLog
。参数——估计参数表
SARIMA_PSSGLog
。由于常数项固定为0举行期间估计,它的价值和标准误差是0。拟合优度——AIC和BIC符合统计
SARIMA_PSSGLog
。
引用
[1]盒子,乔治·e·P。,Gwilym m·詹金斯和格里高利·c·Reinsel。时间序列分析:预测与控制。第三。恩格尔伍德悬崖,新泽西:普伦蒂斯霍尔,1994年。