分享计量经济模型应用程序会话的结果- MATLAB和Simulink - MathWorks Benelux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:

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．

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

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
  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_PSSGLogPDF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。

另请参阅