regARIMA类
超类:
建立ARIMA时间序列误差回归模型
描述
regARIMA
创建一个具有ARIMA时间序列误差的回归模型保持回归系数的敏感性解释。若要创建包含外生预测因子线性回归组件的ARIMA模型(ARIMAX),请参见华宇电脑
.
默认情况下,时间序列误差(也称为无条件扰动)是独立的、同分布的、均值为0的高斯随机变量。如果错误具有自相关结构,则可以为它们指定模型。模型包括:
移动平均(MA)
自回归(AR)
混合自回归移动平均(ARMA)
综合(ARIMA)
季节乘法
指定包含已知系数的误差模型:
建设
建立一个ARIMA误差为0次且无回归系数的回归模型。Mdl
= regARIMA
创建一个误差由非季节性的,具有自回归度的线性时间序列建模的回归模型Mdl
= regARIMA (p
,D
,问
)p
,差度D
,移动平均度问
.
使用一个或多个指定的附加选项创建带有ARIMA错误的回归模型Mdl
= regARIMA (名称,值
)名称,值
对参数。的名字
也可以是属性名和价值
对应的值。的名字
必须出现在单引号内(”
).您可以指定几个名称,值
以任意顺序对参数Name1, Value1,…,的家
.
输入参数
请注意
对于具有非季节性ARIMA误差的回归模型,使用p
,D
,问
.对于带有季节性ARIMA误差的回归模型,请使用名称,值
对参数。
|
误差模型的非季节性自回归多项式度,指定为正整数。 |
|
误差模型的非季节性积分度,指定为非负整数。 |
|
误差模型的非季节性移动平均多项式度,指定为正整数。 |
指定可选参数对为Name1 = Value1,…,以=家
,在那里的名字
参数名称和价值
对应的值。名称-值参数必须出现在其他参数之后,但对的顺序无关紧要。
在R2021a之前,使用逗号分隔每个名称和值,并将其括起来的名字
在报价。
|
回归模型截距,指定为由逗号分隔的对组成 默认值: |
|||||||||||||
|
回归模型系数与预测数据相关联,以逗号分隔的对组成 默认值: |
|||||||||||||
|
误差模型的非季节性自回归系数,指定为逗号分隔的对,由
里面的系数 默认值:细胞载体 |
|||||||||||||
|
误差模型的非季节性移动平均系数,指定为逗号分隔的对,由
默认值:细胞载体 |
|||||||||||||
|
滞后与 默认值:整数向量1 2…p,为非季节性自回归多项式次。 |
|||||||||||||
|
滞后与 默认值:整数向量1 2…问,为非季节性移动平均多项式次。 |
|||||||||||||
|
误差模型的季节性自回归系数,指定为逗号分隔的对,由
里面的系数 默认值:细胞载体 |
|||||||||||||
|
误差模型的季节性移动平均系数,指定为逗号分隔的对,由
里面的系数 默认值:细胞载体 |
|||||||||||||
|
滞后与 默认值:整数向量1 2…p年代,为季节自回归多项式度。 |
|||||||||||||
|
滞后与 默认值:整数向量1 2…问年代,为季节移动平均多项式次。 |
|||||||||||||
|
误差模型的非季节差分多项式度(即非季节积分度),指定为逗号分隔的对,由 默认值: |
|||||||||||||
|
误差模型的季节差异多项式度,指定为逗号分隔的对,由 默认值: |
|||||||||||||
|
模型创新的方差εt,指定为逗号分隔的对,由 默认值: |
|||||||||||||
|
创新过程的条件概率分布,由逗号分隔的对组成
默认值: |
|||||||||||||
|
描述模型的字符串标量或字符向量。默认情况下,该参数描述模型的参数形式,例如, |
请注意
指定与季节多项式相关的滞后特别行政区
而且SMA
在观察到的数据的周期性,而不是作为倍数的季节性
参数。这个惯例不符合Box和Jenkins的标准[1]符号,但它是一个更灵活的方法,纳入乘法季节性。
属性
|
非季节性自回归系数的单元向量,对应于误差模型的一个稳定多项式。相关滞后为1,2,…,p,为非季节性的自回归多项式次,或如 |
|
回归系数的实向量,对应于预测器数据矩阵的列。 |
|
非负整数,表示误差模型的非季节积分度。 |
|
用于模型描述的字符串标量。 |
|
创新过程条件概率分布的数据结构。这个领域 |
|
误差模型中的标量截距。 |
|
误差模型的可逆多项式对应的非季节移动平均系数的单元向量。相关滞后为1,2,…,问到非季节性移动平均多项式的次,或如 |
|
标量,误差模型的复合自回归多项式度。
|
|
标量,复合移动平均多项式阶误差模型。
|
|
与误差模型的稳定多项式相对应的季节自回归系数的单元向量。相关滞后为1,2,…,p年代,即季节自回归多项式的次,或见 |
|
与误差模型的可逆多项式相对应的季节移动平均系数的单元向量。相关滞后为1,2,…,问年代,即季节移动平均多项式次,或见 |
|
非负整数,表示误差模型的季节差异多项式度。 |
|
模型创新的正标量方差。 |
方法
华宇电脑 | 将有ARIMA误差的回归模型转换为ARIMAX模型 |
估计 | 利用ARIMA误差估计回归模型参数 |
过滤器 | 利用ARIMA误差回归模型对扰动进行滤波 |
预测 | 用ARIMA误差预测回归模型的响应 |
冲动 | 带有ARIMA误差的回归模型的脉冲响应 |
推断出 | 用ARIMA误差推断回归模型的创新 |
打印 | (待删除)显示有ARIMA误差的回归模型的估计结果 |
模拟 | 基于ARIMA误差的回归模型蒙特卡罗模拟 |
总结 | 显示有ARIMA误差的回归模型估计结果 |
复制语义
价值。要了解值类如何影响复制操作,请参见复制对象.
例子
更多关于
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。