主要内容

修改regARIMA Model属性

使用点符号修改属性

打开实时脚本

如果您使用ARIMA误差创建回归模型regARIMA，然后软件为其所有属性赋值。要更改这些属性值中的任何一个，您不需要重新构造整个模型。您可以使用点表示法修改现有模型的属性值。要访问属性，先输入模型名，再输入属性名，用'|分隔。|'(一个句号)。

指定带有ARIMA(3,1,2)误差的回归模型

y t ＝ c + u t （ 1 - ϕ 1 l - ϕ 2 l 2 - ϕ 3. l 3. ） （ 1 - l ） D u t ＝ （ 1 + θ 1 l + θ 2 l 2 ） ε t ． 

Mdl = regARIMA(3,1,2);

使用单元格数组表示法将自回归和移动平均参数设置为值。

Mdl。基于“增大化现实”技术＝{0.2 0.1 0.05}; Mdl.MA = {0.1 -0.05}
描述:“ARIMA(3,1,2)误差模型(高斯分布)”分布:名称= "高斯"截距:NaN Beta: [1×0] P: 4 D: 1 Q: 2 AR:{0.2 0.1 0.05}在滞后时[1 2 3]SAR: {} MA:{0.1 -0.05}在滞后时[1 2]SMA:{}方差:NaN

的自回归系数用点表示Mdl在命令窗口。

ARCoeff = Mdl。基于“增大化现实”技术
ARCoeff =1×3单元格数组{[0.2000]} {[0.1000]} {[0.0500]}

ARCoeff是一个1 × 3单元格数组。每个连续的单元包含下一个自回归滞后。

您还可以添加更多的滞后系数。

Mdl。Ma = {0.1 -0.05 0.01}
描述:“ARIMA(3,1,3)误差模型(高斯分布)”分布:名称= "高斯"截距:NaN Beta: [1×0] P: 4 D: 1 Q: 3 AR:{0.2 0.1 0.05}在滞后时[1 2 3]SAR: {} MA:{0.1 -0.05 0.01}在滞后时[1 2 3]SMA:{}方差:NaN

默认情况下，规范将新系数设置为下一个连续滞后。新系数的加入增加问1。

可以使用单元格索引为特定的滞后项指定滞后系数。

Mdl。基于“增大化现实”技术{12} = 0.01
Mdl = regARIMA属性:描述:“ARIMA(12,1,3)误差模型(高斯分布)”分布:名称= "高斯"截距:NaN Beta: [1×0] P: 13 D: 1 Q: 3 AR:{0.2 0.1 0.05 0.01}在滞后时[1 2 3 12]SAR: {} MA:{0.1 -0.05 0.01}在滞后时[1 2 3]SMA:{}方差:NaN

自回归系数0.01位于第12个滞后点。财产P新规格增加到13个。

将创新分配设置为t分布与南自由度。

分布= struct(“名字”，“t”，“景深”、南);Mdl。D是tribution = Distribution
描述:"ARIMA(12,1,3)误差模型(t分布)"分布:名称= "t"， DoF = NaN截距:NaN Beta: [1×0] P: 13 D: 1 Q: 3 AR:{0.2 0.1 0.05 0.01}滞后时[1 2 3 12]SAR: {} MA:{0.1 -0.05 0.01}滞后时[1 2 3]SMA:{}方差:NaN

如果景深是南,然后估计估计自由度。对于其他任务，例如模拟或预测模型，必须为指定值景深．

若要指定回归系数，请为属性指定一个向量β．

Mdl。Beta = [1;3;5]
描述:“回归与ARIMA(12,1,3)误差模型(t分布)”分布:名称= "t"， DoF = NaN截距:NaN Beta: [1 3 -5] P: 13 D: 1 Q: 3 AR:{0.2 0.1 0.05 0.01}在滞后时[1 2 3 12]SAR: {} MA:{0.1 -0.05 0.01}在滞后时[1 2 3]SMA:{}方差:NaN

如果你通过了Mdl成估计然后软件将非|NaN|参数固定在其值上，并进行估计拦截，方差,景深．例如，如果希望模拟来自此模型的数据，则必须指定方差而且景深．

Nonmodifiable属性

不是a的所有属性regARIMA模型是可修改的。要直接更改它们，必须使用重新定义模型regARIMA．不可修改属性包括:

  • P，为复合自回归多项式次。软件决定P从p，d，p年代,年代．有关符号的详细信息，请参见带有ARIMA时间序列误差的回归模型．

  • 问，即复合移动平均度。软件决定问从问而且问年代

  • 景深，是模型的自由度t-分布式创新过程

虽然它们不是显式的属性，但不能使用重新分配或打印延迟结构ARLags，MALags，SARLags,或SMALags．传入这些和滞后结构regARIMA作为指定模型时的名值对参数。

例如，使用ARIMA(4,1)错误指定一个回归模型regARIMA，其中自回归系数出现在滞后1和滞后4。

Mdl = regARIMA(“ARLags”(1 - 4),“MALags”，1)
Mdl = regARIMA属性:描述:“ARMA(4,1)误差模型(高斯分布)”分布:名称= "高斯"截距:NaN Beta: [1×0] P: 4 Q: 1 AR: {NaN NaN} at lag [1 4] SAR: {} MA: {NaN} at lag [1] SMA:{}方差:NaN

您可以通过指定具有ARMA(1,1)误差的回归模型，然后在第四个滞后处添加自回归系数，从而得到相同的结果。

Mdl = regARIMA(1,0,1);Mdl。基于“增大化现实”技术{4} = NaN
Mdl = regARIMA属性:描述:“ARMA(4,1)误差模型(高斯分布)”分布:名称= "高斯"截距:NaN Beta: [1×0] P: 4 Q: 1 AR: {NaN NaN} at lag [1 4] SAR: {} MA: {NaN} at lag [1] SMA:{}方差:NaN

改变…的值景深，您必须为分布定义一个新的结构，并使用点表示法将其传递到模型中。例如，指定一个回归模型，其中AR(1)误差为t分布式创新。

Mdl = regARIMA(基于“增大化现实”技术的, 0.5,“分布”，“t”）
描述:“ARMA(1,0)误差模型(t分布)”分布:名称= "t"， DoF = NaN截距:NaN Beta: [1×0] P: 1 Q: 0 AR: {0.5} at lag [1] SAR: {} MA: {} SMA:{}方差:NaN

的价值景深是南默认情况下。

指定t分布有10个自由度。

分布= struct(“名字”，“t”，“景深”10);Mdl。D是tribution = Distribution
描述:“ARMA(1,0)误差模型(t分布)”分布:名称= "t"， DoF = 10截距:NaN Beta: [1×0] P: 1 Q: 0 AR: {0.5} at lag [1] SAR: {} MA: {} SMA:{}方差:NaN

另请参阅

|||

相关的例子

更多关于