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:
将时间序列和模型变量导出到MATLAB®工作空间
生成MATLAB纯文本和活函数使用以外的应用程序
生成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。
将数据导入计量经济建模器
在命令行上,加载Data_Airline.mat
数据集。
负载Data_Airline
在命令行中,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DataTimeTable
进入应用程序:
在计量经济学建模师选项卡,在进口部分,单击进口按钮.
在“导入数据”对话框中,单击进口吗?列时,选中
DataTimeTable
变量。点击进口.
的变量PSSG
出现在时间序列窗格中,其值将显示在预览窗格,其时间序列图显示在时间序列图(PSSG)图窗口。
该系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学建模器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
.
在时间序列窗格中,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.
转换后的变量PSSGLog
出现在时间序列窗格,其时间序列图显示在时间序列图(PSSGLog)图窗口。
指数增长似乎从级数中消失了。
通过应用12阶季节差异来处理季节趋势。与PSSGLog
在时间序列窗格,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.
转换后的变量PSSGLogSeasonalDiff
出现在时间序列窗格,其时间序列图显示在时间序列图(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增强迪基-富勒检验。指定替代方案是AR(0)模型,然后再次测试,指定AR(1)模型。将显著性水平调整为0.025,以保持总显著性水平0.05。
与
PSSGLogSeasonalDiff
在时间序列窗格,在计量经济学建模师选项卡,在测试部分中,点击新的测试>扩充迪基-富勒检验.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格ADF (PSSGLogSeasonalDiff)文档。
这两个检验都未能拒绝原假设,即序列是单位根过程。
通过应用第一个差分来寻址单位根PSSGLogSeasonalDiff
.与PSSGLogSeasonalDiff
在时间序列窗格,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
出现在时间序列窗格,其时间序列图显示在时间序列图(PSSGLogSeasonalDiffDiff)图窗口。
在时间序列窗格,将PSSGLogSeasonalDiffDiff
变量,单击两次以选择其名称和PSSGStable
.
应用程序更新与转换系列相关的所有文档的名称。
确定系列模型
通过绘制样本自相关函数(ACF)和部分自相关函数(PACF)来确定数据的条件平均模型的滞后结构。
与
PSSGStable
在时间序列窗格,单击情节选项卡,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次滞后。在PACF选项卡,设置滞后数来
50
.拖动ACF (PSSGStable)图形窗口上方PACF (PSSGStable)图窗口。
根据[1], ACF和PACF的自相关性表明:SARIMA(0,1,1)×(0,1,1)12模型适用于PSSGLog
.
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,在模型部分中,单击箭头以显示模型库。
在模特展厅里,在ARMA / ARIMA模型部分中,点击SARIMA.
在“SARIMA模型参数”对话框中,在延迟订单标签:
季节性部分
集整合程度来
1
.集移动平均订单来
1
.清除包括常数项复选框。
季节性部分
集期来
12
表示每月数据。集移动平均订单来
1
.选择包括季节差异复选框。
点击估计.
模型变量SARIMA_PSSGLog
出现在模型窗格中,其值将显示在预览窗格中显示的估算摘要模型总结(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“导出变量”对话框中,选择选择的复选框。
PSSGLog
而且PSSGStable
时间序列,以及SARIMA_PSSGLog
模型(如果需要)。列表中高亮显示的所有变量,应用程序会自动选择复选框时间序列而且模型窗格。点击出口.
在命令行中,列出工作区中的所有变量。
谁
名称大小字节类属性数据144x1 1152 double DataTable 144x2 3525 table DataTimeTable 144x1 3311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
,数字向量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
作为预样本数据。
numObs = 36;fPSSG =预测(SARIMA_PSSGLog,numObs,“Y0”, PSSGLog);
绘制乘客数量和预测。
fh = datatitable . time (end) + calmonths(1:numObs);图;情节(DataTimeTable.Time exp (PSSGLog));持有在情节(fh exp (fPSSG));传奇(“航空公司乘客人数”,的预测数量,...“位置”,“最佳”)标题(一九四九年至一九六三年每月航空旅客人数) 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MATLAB函数供在应用程序外部使用。该函数返回估计的模型SARIMA_PSSGLog
鉴于DataTimeTable
.
在模型窗格的应用程序,选择
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DataTimeTable
(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保存在“选择文件另存为”对话框中。
在命令行上,估计SARIMA(0,1,1)×(0,1,1)12通过传递建模DataTimeTable
来modelTimeSeries
.命名模型SARIMA_PSSGLog2
.比较估计的模型SARIMA_PSSGLog
.
SARIMA_PSSGLog2 = modelTimeSeries(DataTimeTable);总结(SARIMA_PSSGLog)总结(SARIMA_PSSGLog2)
ARIMA(0,1,1)模型与季节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 StandardError 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)有效样例量:144估计参数数量:3 LogLikelihood: 276.198 AIC: -546.397 BIC:-537.488 Value StandardError 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
正如预期的那样,模型是相同的。
从应用程序会话生成实时功能
与纯文本函数不同,活动函数包含可以使用活动编辑器修改的格式化文本和方程式。
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DataTimeTable
.
在模型窗格的应用程序,选择
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>生成活函数.实时编辑器打开并包含一个名为
modelTimeSeries
.函数接受DataTimeTable
(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
.为保证M-file函数不与M-file函数重叠,将函数名改为
modelTimeSeriesMLX
.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保存在“选择文件另存为”对话框中。
在命令行上,估计SARIMA(0,1,1)×(0,1,1)12通过传递建模DataTimeTable
来modelTimeSeriesMLX
.命名模型SARIMA_PSSGLog2
.比较估计的模型SARIMA_PSSGLog
.
SARIMA_PSSGLog2 = modelTimeSeriesMLX(DataTimeTable);总结(SARIMA_PSSGLog)总结(SARIMA_PSSGLog2)
ARIMA(0,1,1)模型与季节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 StandardError TStatistic PValue _________ _____________ __________ __________ Constant 00 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)有效样例量:144估计参数数量:3 LogLikelihood: 276.198 AIC: -546.397 BIC:-537.488 Value StandardError 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
正如预期的那样,模型是相同的。
生成报告
上的所有操作生成PDF报告PSSGLog
而且PSSGStable
时间序列,以及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,以及SARIMA_PSSGLog
模型(如果需要)。列表中高亮显示的所有变量,应用程序会自动选择复选框时间序列而且模型窗格。点击好吧.
2 .在“选择要写入的文件”对话框中,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_PSSGLog
PDF格式C: \ MyData \ SARIMAReport.pdf
.报告包括:
标题页和目录
包含所选时间序列的图
应用于所选时间序列的转换的说明
对选定时间序列进行统计检验的结果
所选模型的估计摘要
参考文献
[1]博克斯,乔治·e·P,格温林·m·詹金斯,格里高利·c·赖塞尔。时间序列分析:预测与控制.恩格尔伍德悬崖,新泽西州:普伦蒂斯大厅,1994年。