分享计量经济模型应用程序会话- MATLAB和Simulink的结果万博1manbetx

分享计量经济模型应用程序会议的结果

这个例子展示了如何通过以下方式共享econometricmodeler应用程序会话的结果:

导出时间序列和模型变量到MATLAB^®工作空间
生成MATLAB纯文本和实时函数，以在应用程序外部使用
生成关于时间序列和估计模型的活动报告

在会话期间，示例转换和绘制数据，运行统计测试，并估计乘法季节性ARIMA模型。数据集Data_Airline.mat包含每月的航空公司乘客计数。

导入数据到计量经济模型

在命令行上，加载Data_Airline.mat数据集。

负载Data_Airline

在命令行上，打开计量经济学建模师应用程序。

econometricModeler

或者，从应用程序库中打开应用程序(参见计量经济学建模师）.

进口数据表进入应用程序:

在计量经济学建模师选项卡，在进口部分中,点击．
在导入数据对话框中的进口吗?的复选框数据表变量。
点击进口．

的变量PSSG出现在数据浏览器，其时间序列情节出现在时间序列图(PSSG)图窗口。

该序列表现出季节性趋势、序列相关性和可能的指数增长。有关序列相关性的交互分析，请参见使用计量经济模型应用程序检测序列相关性．

稳定系列

通过应用对数变换来处理指数趋势PSSG．

在数据浏览器中,选择PSSG．
在计量经济学建模师选项卡，在转换部分中,点击日志．

变换后的变量PSSGLog出现在数据浏览器，其时间序列情节出现在时间序列图(PSSGLog)图窗口。

指数增长似乎被从级数中删除了。

通过应用12阶季节差异来处理季节性趋势。与PSSGLog在数据浏览器，在计量经济学建模师选项卡，在转换节中,设置季节性来12．然后,单击季节性．

变换后的变量PSSGLogSeasonalDiff出现在数据浏览器，其时间序列情节出现在时间序列图(PSSGLogSeasonalDiff)图窗口。

变换后的级数似乎有一个单位根。

检验零假设PSSGLogSeasonalDiff有一个单位根，通过使用Augmented Dickey-Fuller检验。指定备选方案是AR(0)模型，然后再次指定AR(1)模型进行测试。将显著性水平调整为0.025，使总显著性水平保持在0.05。

与PSSGLogSeasonalDiff在数据浏览器，在计量经济学建模师选项卡，在测试部分中,点击新的测试>增强迪基-富勒测验．
在ADF选项卡，在参数节中,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,设置滞后数来1．
在测试部分中,点击运行测试．

测试结果显示在结果表ADF (PSSGLogSeasonalDiff)文档。

两个检验都不能拒绝原假设，即序列是单位根过程。

通过应用第一个差来求单位根PSSGLogSeasonalDiff．与PSSGLogSeasonalDiff在数据浏览器，按计量经济学建模师选项卡。然后，在转换部分中,点击区别．

变换后的变量PSSGLogSeasonalDiffDiff出现在数据浏览器，其时间序列情节出现在时间序列图(PSSGLogSeasonalDiffDiff)图窗口。

重命名PSSGLogSeasonalDiffDiff变量来PSSGStable：

在数据浏览器,右键单击PSSGLogSeasonalDiffDiff．
在上下文菜单中，选择重命名．
输入PSSGStable．

该应用程序更新与转换后的系列相关的所有文档的名称。

确定系列型号

通过绘制样本自相关函数(ACF)和部分自相关函数(PACF)来确定数据条件平均模型的滞后结构。

与PSSGStable在数据浏览器，按情节选项卡，然后单击ACF．
显示ACF的前50个滞后。在ACF选项卡,设置滞后数来50．
单击情节选项卡，然后单击PACF．
显示PACF的前50个滞后。在PACF选项卡,设置滞后数来50．
拖动ACF (PSSGStable)图窗口上方PACF (PSSGStable)图窗口。

根据[1]， ACF和PACF中的自相关性表明:SARIMA(0,1,1)×(0,1,1)₁₂模型适用于PSSGLog．

$（ 1 - l ）（ 1 - l^{12} ） y_{t} ＝（ 1 + θ_{1} l ）（ 1 + Θ_{12} l^{12} ） ε_{t} ．$

关闭所有图形窗口。

指定和估计SARIMA模型

指定SARIMA(0,1,1)×(0,1,1)₁₂模型。

在数据浏览器，选择PSSGLog时间序列。
在计量经济学建模师选项卡，在模型部分，单击箭头>SARIMA．
在SARIMA模型参数对话框，对延迟订单标签:
- 季节性部分
  1. 集整合程度来1．
  2. 集移动平均订单来1．
  3. 清除包括常数项复选框。
- 季节性部分
  1. 集期来12表示每月数据。
  2. 集移动平均订单来1．
  3. 选择包括季节差异复选框。
点击估计．

模型变量SARIMA_PSSGLog出现在数据浏览器，其估计摘要显示在模型总结(SARIMA_PSSGLog)文档。

导出变量到工作区

出口PSSGLog，PSSGStable,SARIMA_PSSGLog到MATLAB工作区。

在计量经济学建模师选项卡，在出口部分中,点击．
在出口变量对话框中，选择选择的复选框PSSGLog而且PSSGStable时间序列，还有SARIMA_PSSGLog建模(如果有必要)。中高亮显示的所有变量，应用程序自动选择复选框数据浏览器．
点击出口．

在命令行中，列出工作空间中的所有变量。

谁

名称大小字节类属性Data 144x1 1152 double DataTable 144x1 3192时间表描述22x54 2376 char PSSGLog 144x1 1152 double PSSGStable 144x1 1152 double SARIMA_PSSGLog 1x1 7963 arima dates 144x1 1152 double series 1x1 162 cell

的内容Data_Airline.mat，数值向量PSSGLog而且PSSGStable，估计华宇电脑模型对象SARIMA_PSSGLog是工作区中的变量。

预测未来三年(36个月)的日志航空乘客数量使用SARIMA_PSSGLog．指定PSSGLog作为预采样数据。

numObs = 36;fPSSG =预测(SARIMA_PSSGLog,numObs，“Y0”, PSSGLog);

绘制乘客数量和预测图。

fh = DataTable.Time(end) + calmonths(1:numObs);图;情节(DataTable.Time exp (PSSGLog));持有在情节(fh exp (fPSSG));传奇(“航空乘客人数”，的预测数量，.．.“位置”，“最佳”)标题(“一九四九年至一九六三年航空公司每月乘客数目”) ylabel (乘客数量的)举行从

从应用程序会话生成纯文本函数

生成一个在应用程序外部使用的MATLAB函数。函数返回估计的模型SARIMA_PSSGLog鉴于数据表．

在数据浏览器应用程序的SARIMA_PSSGLog模型。
在计量经济学建模师选项卡，在出口部分中,点击出口>生成函数．MATLAB编辑器打开并包含一个名为modelTimeSeries．函数接受数据表(您在此会话中导入的变量)，转换数据，并返回估计的SARIMA(0,1,1)×(0,1,1)₁₂模型SARIMA_PSSGLog．
在编辑器选项卡上,单击保存>保存．
通过单击将函数保存到当前文件夹中保存在选择“文件”另存为对话框。

在命令行上，估算SARIMA(0,1,1)×(0,1,1)₁₂通过传递来建模数据表来modelTimeSeries.m．命名模型SARIMA_PSSGLog2．比较估计的模型SARIMA_PSSGLog．

SARIMA_PSSGLog2 = modelTimeSeries(数据表);总结(SARIMA_PSSGLog)总结(SARIMA_PSSGLog2)

ARIMA(0,1,1)模型与季节性MA(12)(高斯分布)的季节性集成有效样本量:144估计参数数:3 LogLikelihood: 276.198 AIC: -546.397 BIC:-537.488 Value standderror TStatistic PValue _________ _____________ __________ __________ Constant 00 NaN NaN MA{1} -0.37716 0.066794 -5.6466 1.6364e-08 SMA{12} -0.57238 0.085439 -6.6992 2.0952e-11方差0.0012634 0.00012395 10.193 2.1406e-24 ARIMA(0,1,1)模型季节性集成季节性MA(12)(高斯分布)有效样样量:144估计参数数量:3 LogLikelihood: 276.198 AIC: -546.397 BIC:-537.488 Value standderror TStatistic PValue _________ _____________ __________ __________ Constant 00 NaN NaN MA{1} -0.37716 0.066794 -5.6466 1.6364e-08 SMA{12} -0.57238 0.085439 -6.6992 2.0952e-11 Variance 0.0012634 0.00012395 10.193 2.1406e-24

不出所料，模型是一样的。

从应用程序会话生成实时功能

与纯文本函数不同，动态函数包含格式化的文本和公式，您可以使用live Editor对其进行修改。

生成一个在应用程序外部使用的活动函数。该函数返回估计的模型SARIMA_PSSGLog鉴于数据表．

在数据浏览器应用程序的SARIMA_PSSGLog模型。
在计量经济学建模师选项卡，在出口部分中,点击出口>生成活动函数．Live Editor打开并包含一个名为modelTimeSeries．函数接受数据表(您在此会话中导入的变量)，转换数据，并返回估计的SARIMA(0,1,1)×(0,1,1)₁₂模型SARIMA_PSSGLog．
在住编辑器选项卡，在文件部分中,点击保存>保存．
通过单击将函数保存到当前文件夹中保存在选择“文件”另存为对话框。

在命令行上，估算SARIMA(0,1,1)×(0,1,1)₁₂通过传递来建模数据表来modelTimeSeries.m．命名模型SARIMA_PSSGLog2．比较估计的模型SARIMA_PSSGLog．

SARIMA_PSSGLog2 = modelTimeSeries(数据表);总结(SARIMA_PSSGLog)总结(SARIMA_PSSGLog2)

ARIMA(0,1,1)模型与季节性MA(12)(高斯分布)的季节性集成有效样本量:144估计参数数:3 LogLikelihood: 276.198 AIC: -546.397 BIC:-537.488 Value standderror TStatistic PValue _________ _____________ __________ __________ Constant 00 NaN NaN MA{1} -0.37716 0.066794 -5.6466 1.6364e-08 SMA{12} -0.57238 0.085439 -6.6992 2.0952e-11方差0.0012634 0.00012395 10.193 2.1406e-24 ARIMA(0,1,1)模型季节性集成季节性MA(12)(高斯分布)有效样样量:144估计参数数量:3 LogLikelihood: 276.198 AIC: -546.397 BIC:-537.488 Value standderror TStatistic PValue _________ _____________ __________ __________ Constant 00 NaN NaN MA{1} -0.37716 0.066794 -5.6466 1.6364e-08 SMA{12} -0.57238 0.085439 -6.6992 2.0952e-11 Variance 0.0012634 0.00012395 10.193 2.1406e-24

不出所料，模型是一样的。

生成报告

生成PDF格式的所有操作报告PSSGLog而且PSSGStable时间序列，还有SARIMA_PSSGLog模型。

在计量经济学建模师选项卡，在出口部分中,点击出口>生成报告．
在为报告选择变量对话框中，选择选择的复选框PSSGLog而且PSSGStable时间序列，还有SARIMA_PSSGLog建模(如果有必要)。中高亮显示的所有变量，应用程序自动选择复选框数据浏览器．
点击好吧．
在选择要写入的文件对话框，导航到C: \ MyData文件夹中。
在文件名称框,输入SARIMAReport．
点击保存．

应用程序发布创建所需的代码PSSGLog，PSSGStable,SARIMA_PSSGLogPDF格式C: \ MyData \ SARIMAReport.pdf．该报告包括:

标题页和目录
包含所选时间序列的图
对应用于所选时间序列的转换的说明
对选定时间序列进行的统计检验结果
所选模型的估计摘要

参考文献

[1]鲍克斯，g。e。P。g。m。詹金斯，g。c。莱塞尔。时间序列分析:预测与控制．第三版。恩格尔伍德悬崖，新泽西州:普伦蒂斯厅，1994年。

另请参阅

分享计量经济模型应用程序会议的结果

导入数据到计量经济模型

稳定系列

确定系列型号

指定和估计SARIMA模型

导出变量到工作区

从应用程序会话生成纯文本函数

从应用程序会话生成实时功能

生成报告

参考文献

另请参阅

应用程序

对象

功能

相关的话题

计量经济学工具箱文档

万博1manbetx

用MATLAB建模金融风险的实用指南