修改regARIMA Model属性
使用点符号修改属性
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
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
- 创建带有ARIMA误差的回归模型
- 指定带有ARIMA错误的默认回归模型
- 创建带有AR误差的回归模型
- 创建具有MA误差的回归模型
- 创建带有ARMA误差的回归模型
- 使用SARIMA误差创建回归模型
- 指定ARIMA误差模型创新分布