使用计量经济建模器- MATLAB和Simulink分析时间序列数据

使用计量经济建模器分析时间序列数据

的计量经济学建模师App是一个用于分析单变量或多变量时间序列数据的交互式工具。该应用程序非常适合于可视化和转换数据，执行统计规范和模型识别测试，将模型与数据拟合，并在这些操作之间迭代。当你对一个模型感到满意时，你可以把它导出到MATLAB中^®用于预测未来响应或进行进一步分析的工作区。您还可以从会话生成代码或报告。

通过输入启动econometretric ModelereconometricModeler在MATLAB命令行，或通过单击计量经济学建模师下计算金融在应用程序库中(应用程序标签上的MATLAB工具条)。

下面的工作流程描述了如何使用econometretresmodeler找到最适合时间序列数据的样本内模型。工作流并不是严格的规定—您实现的步骤取决于您的目标和模型类型。您可以根据需要轻松跳过步骤并迭代多个步骤。该应用程序非常适合Box-Jenkins方法来建立时间序列模型[1]．

为计量经济学建模器准备数据-针对一个响应变量，或选择多个响应变量进行多变量分析，分析并从中建立预测模型。可选地，选择要包含在模型中的解释变量。

请注意

您只能从MATLAB工作区导入一个变量到econometretric Modeler。因此，在命令行中，必须将多个系列同步并连接到一个变量中。
导入时间序列变量-从MATLAB工作区或mat文件导入数据到计量经济模型。导入数据后，可以调整变量属性或变量是否存在。
进行探索性数据分析-以各种方式查看序列，通过转换序列来稳定序列，并通过执行统计测试来检测时间序列属性。
- 可视化时间序列数据—支持的图包括时间序列图和相关图(如ACF)。
- 执行规格和模型识别假设检验-检验多个序列间的平稳性、异方差性、自相关性和共线性或协整性。对于ARIMA和GARCH模型，这一步可以包括确定要包含在模型中的适当滞后数。支持的检验包括增强Dickey-Fuller检验、Engle's ARCH检验、Ljung-Box q检验、Belsley共线性诊断和Johansen协整检验。
- 变换时间序列—支持的转换包括日志转换、季节和非季节差异转换。
将候选模型与数据相匹配-基于探索性数据分析或根据经济学理论选择单变量或多变量响应序列的模型参数形式。然后对模型进行估计。支持的单变量模型包括季节和非季节条件均值(例如ARIMA)、条件方差(例如GARCH)和多个线性回归模型(可选包含ARMA误差)。支持的多元模型包括向量自回归(VAR)和向量误差校正(VEC)模型。
进行拟合优度检查—通过残余诊断，确保模型对数据有充分的描述。
- 可视化残差，检查它们是否以零为中心、正态分布、同方差和序列不相关。支持的图包括分位数-分位数图和ACF图。
- 检验残差是否同方差和自相关。支持的检验包括残差平方的Ljung-Box q检验和Engle's ARCH检验。
找到样本内拟合最好的模型-估计同一家族内的多个模型，然后选择产生最小拟合统计量的模型，例如赤池信息准则(AIC)。
导出会话结果-在你找到一个或多个表现良好的模型后，总结会议的结果。你选择的方法取决于你的目标。支持的方法包括:
- 出口变量-计量经济模型导出选定的变量到MATLAB工作空间。如果应用程序中的会话没有完成分析目标，例如预测响应，那么您可以导出变量(包括估计的模型)，以便在命令行中进行进一步分析。
- 生成一个函数-计量模型生成MATLAB纯文本或实时函数，返回给定导入数据的选定模型。此方法帮助您理解应用程序用于创建预测模型的命令行函数。您可以修改生成的函数来完成您的分析目标。
- 生成报告-计量模型生成一个文档，如PDF，描述您在选定变量或模型上的活动。当你在应用程序中完成你的目标时，这种方法为你的分析提供了一个清晰方便的总结。

为计量经济学建模应用程序准备数据

您只能从MATLAB工作区导入一个变量到econometretric Modeler。因此，在导入数据之前，将响应序列和任何预测器序列连接到一个变量中。

econometretric Modeler支持这些变量数据类型。

MATLAB时间表-变量必须是双精度数字向量。一个最佳实践是在一个时间表中导入您的数据，因为econometretric Modeler:
- 类中存储的名称来命名变量VariableNames字段属性财产。
- 将时间变量值用作表示时间的任何轴的标记标记。否则，表示时间的标记是索引。
- 使您能够在时间序列图上覆盖衰退带(参见recessionplot）
有关时间表的详细信息，请参见创建时间表．
MATLAB表-变量必须是双精度数值向量。变量名是VariableNames字段属性财产。
数字向量或矩阵-对于矩阵，每一列都是一个单独的变量variableNamej,在那里j对应的列。

无论变量类型是什么，econometretric Modeler都假设行对应于时间点(观测值)。

导入时间序列变量

数据集可以存在于MATLAB工作区中，也可以存在于可以从计算机访问的mat文件中。

要从工作区导入数据集，请在计量经济学建模师选项卡，在进口部分中,点击．2 .在“导入数据”对话框中，单击进口吗?列中包含数据的变量，然后单击进口．对话框中会显示受支持数据类型的工作区中的所有变量，但您只能选择一个。
若要从mat文件导入数据，请使用进口部分中,点击进口，然后选择从mat文件导入．在“选择mat文件”对话框中，浏览到包含数据集的文件夹，然后双击mat文件。

导入数据后，econometricmodeler将执行以下所有操作。

数据集中每个变量(列)的名称出现在时间序列窗格。
属性中所选变量的值时间序列窗格显示在预览窗格。
包含所有变量的时间序列图出现在时间序列图(VariableName）图窗口，其中VariableName中某个变量的名称是时间序列窗格。

中的变量进行交互时间序列窗格的几种方式。

方法中的变量，单击该变量，可选择执行统计测试或创建图形时间序列窗格。如果你双击变量，那么应用程序也会在单独的时间序列图中绘制它。
要打开、删除或导出变量，请在时间序列窗格。然后，从上下文菜单中选择所需的操作。
可同时选择或操作多个时间序列Ctrl然后单击要使用的每个变量。

中导入数据Data_USEconModelMAT-file。

在命令行中，将数据加载到Workspace中。
```
负载Data_USEconModel
```
在计量经济模型中，在进口部份计量经济学建模师选项卡上,单击．弹出“导入数据”对话框。
Data_USEconModel存储几个变量。数据，数据表,DataTimeTable包含相同的数据，但是数据表是一张桌子，和DataTimeTable是一个时间表。进口DataTimeTable通过选择相应的进口吗?复选框，然后单击进口．

所有变量DataTimeTable出现在时间序列窗格。假设你想要保留COE，FEDFUNDS,国内生产总值只有。选择所有其他变量，右键单击其中一个变量，然后选择删除．

在应用程序中工作后，您可以导入另一个数据集。点击之后进口， econometricmodeler将显示以下对话框。

如果你点击好吧，然后econometricmodeler从时间序列而且模型窗格，并关闭右侧窗格中的所有文档。

进行探索性数据分析

探索性数据分析包括确定变量的特征及其之间的关系，并在脑海中形成预测模型。对于时间序列数据，识别指数增长、包含趋势或非平稳的序列，然后对它们进行适当的转换。对于ARIMA模型，要识别响应序列序列相关结构中的模型形式和显著滞后，请使用Box-Jenkins方法[1]．如果您计划创建GARCH模型，则评估该系列是否包含波动聚类和显著滞后。对于多元回归模型，确定共线性预测因子和那些与响应线性相关的预测因子。对于多变量模型，除了单变量分析，您还可以测试序列是否协整。

对于时间序列数据分析，探索性分析通常包括在可视化数据、执行统计规范和模型识别测试以及转换数据之间进行迭代。

可视化时间序列数据

导入数据集后，econometricmodeler将选择导入数据中的所有变量，并默认在右窗格中显示它们的时间序列图。例如，在导入之后DataTimeTable在Data_USEconModel数据集，应用程序显示这个时间序列图。

创建自己的时间序列图:

在时间序列窗格中，为图选择适当数量的系列。
单击情节选项卡。
单击需要的绘图类型的按钮。

计量模型支持以下时间序列图。

情节	目标
时间序列或	识别缺失值或异常值。识别指数增长或包含趋势的系列。识别非平稳级数。识别包含波动率聚类的系列。比较同一幅图中两个不同尺度的序列(`等号左边轴`)．比较同一图中具有相似尺度的多个系列。
自相关函数	用序列相关性识别序列。确定AR模型是否合适。为模型识别识别识别显著的MA滞后。
部分ACF (PACF)	用序列相关性识别序列。确定MA模型是否合适。识别显著的AR滞后用于模型识别。
相关性	检查变量分布。用成对的线性关系来确定变量。

您可以通过以下方式与现有的情节进行交互:

右击它
使用在情节上暂停时出现的情节按钮
使用图形窗口上的选项

支持的交互因图类型而异。

保存图形-右键单击图形，然后选择出口．保存出现的图形。
在图中添加或删除时间序列-右键单击图形，指向时间序列菜单，然后选择要添加或删除的时间序列。
绘制衰退带-右键单击时间序列图，然后选择显示经济衰退．
显示网格线-在图上暂停，然后单击．
切换图例-在图形上暂停，然后单击．
在图上暂停，然后单击．有关平移的详细信息，请参见缩放，平移和旋转数据．
缩放-在图形上暂停。如需放大，请单击．若要缩小，请单击．详情请参见缩放，平移和旋转数据．
恢复视图-若要在平移或缩放后将图形返回到原始视图，请在图形上暂停，然后单击．

对于序列相关函数图，在ACF或PACF选项卡。你可以指定:

要显示的滞后数
置信区间的标准差数
MA或AR顺序，其中理论ACF或PACF分别有效为零

计量模型在您调整参数时实时更新图。

在浏览数据时，图表和计算结果会累积在选项卡下的右窗格中。您可以在右侧窗格中自定义文档的显示，例如，通过执行以下任何操作，同时查看多个图:

通过将绘图选项卡拖拽到右侧窗格的不同部分来定位它们。当你拖动一个图形时，应用程序会突出显示可能放置图形的部分。若要撤消上一个文档或图形窗口的定位，请在位于分区中间的圆点上暂停，然后单击当它出现时。
单击文档操作按钮在文档的右上角。选项包括:
- 瓷砖都—选择多个地块的布局。
- 标签的位置—选择图形页签的位置。

考虑有效联邦基金利率的ARIMA模型(FEDFUNDS)．要识别模型特征(例如，AR或MA滞后的数量)，请并排绘制时间序列、ACF和PACF。

在时间序列面板,双击FEDFUNDS．
控件中的图形中，右键单击该图形，可将衰退带添加到图形中时间序列图(联邦基金)图窗口，然后选择显示经济衰退．
在情节选项卡上,单击ACF．
点击PACF．
单击时间序列图(联邦基金)图形窗口，并将其拖到右侧窗格的左侧。单击PACF (FEDFUNDS)图形窗口，并将其拖到窗格的右下方。

ACF逐渐消失，PACF在第一次延迟后中断。ACF的行为表明，在选择ARIMA模型的形式之前，必须对时间序列进行转换。

在右窗格中，观察相关图之间水平分区中间的圆点(在滞后x轴标签的ACF)。若要撤消此相关图定位，即按制表符分隔相关图，请在点上暂停并单击当它出现时。

执行规格和模型识别假设检验

您可以执行假设检验以确认可视化获得的时间序列属性，或者测试难以看到的属性。计量经济模型使您能够使用参数设置多次运行测试。

计量模型支持单变量系列的这些测试。

测试	假设
增强Dickey-Fuller	H₀:级数有单位根。 H₁:级数是平稳的。具体支持的参数请参见`adftest`．
Kwiatkowski, Phillips, Schmidt, Shin (KPSS)	H₀:级数为趋势平稳。 H₁:级数有单位根。具体支持的参数请参见`kpsstest`．
Leybourne-McCabe	H₀:级数为趋势平稳AR(p)的过程。 H₁:系列是一个ARIMA(p, 1, 1)的过程。指定p，调整滞后数参数。具体支持的参数请参见`lmctest`．
Phillips-Peron	H₀:级数有单位根。 H₁:级数是平稳的。具体支持的参数请参见`ppt`．
方差比	H₀:级数是随机游走。 H₁:级数不是随机游走。具体支持的参数请参见`vratiotest`．
恩格尔的拱	H₀:序列不表现出条件异方差(ARCH效应)。 H₁:系列是一个ARCH(p)模式，并附有p> 0。指定p，调整滞后数参数。具体支持的参数请参见`archtest`．
Ljung-Box Q-test	H₀:序列在第一个中不表现出自相关性米滞后，即对应的系数联合为零。 H₁:级数至少有一个非零自相关系数ρ_j，j∈{1,…,米}。指定米，调整滞后数参数。具体支持的参数请参见`lbqtest`．

请注意

在进行测试之前，econometricmodeler会删除前面和后面缺失的值(南值)。恩格尔的ARCH检验不支持级数中的缺失值，即:南值的前面和后面的观察。

平稳性测试结果建议您是否应该转换一个序列来稳定它，以及哪种转换是合适的。对于ARIMA模型，平稳性检验结果提示是否包含整合度。恩格尔的ARCH检验结果表明该系列是否表现出波动率聚类，并建议在GARCH模型中包含滞后。Ljung-Box q检验结果表明ARIMA模型中需要多少AR滞后。

在econometretric Modeler中执行单变量测试:

中选择变量时间序列窗格。
在计量经济学建模师选项卡，在测试部分中,点击新的测试．
在测试图库中，单击要执行的测试。测试类型的新选项卡出现在工具条中，测试结果的新文档出现在右窗格中。
在测试类型选项卡上的参数节，调整测试参数。例如，考虑执行Engle's ARCH测试。在拱选项卡，在参数方法选择测试统计量中的滞后数滞后数旋箱，或显著性水平(即值α)使用显著性水平旋转盒子。
在测试类型选项卡上的测试部分中,点击运行测试．检验结果，包括是否拒绝原假设，对p的新行中显示结果测试结果表文件。如果零假设被拒绝，那么应用程序将突出显示黄色的行。

如果对特定系列运行多个测试，则每个测试的结果将显示为列表中的新行结果表格控件中删除一行结果表中，选中对应的复选框选择列，然后单击明确的测试在测试类型选项卡中。

请注意

多次测试增加了错误发现率。保持整体错误发现率的一种保守方法是α是对每个检验的显著性水平应用Bonferroni校正。也就是说，总共是t测试组显著性水平价值α/t．

计量模型支持多个系列的这些测试和诊断。

测试和诊断描述

测试和诊断	描述
贝尔斯利共线性诊断	支持的参数和结果请参见`collintest`．
Engle-Granger	H₀:该级数不表现出协整。 H₁:级数表现为协整。具体支持的参数请参见`egcitest`．
约翰森	对于一个特定的协整秩r： H₀该系列展品最多r协整。 H₁:级数表现为秩大于的协整r．具体支持的参数请参见`jcitest`．

贝尔斯利共线性诊断

支持的参数和结果请参见collintest．

Engle-Granger

H₀:该级数不表现出协整。

H₁:级数表现为协整。

具体支持的参数请参见egcitest．

约翰森

对于一个特定的协整秩r：

H₀该系列展品最多r协整。
H₁:级数表现为秩大于的协整r．

具体支持的参数请参见jcitest．

在econometricmodeler中诊断多个系列:

中选择至少两个变量时间序列窗格。
在计量经济学建模师选项卡，在测试部分中,点击新的测试．
在测试库中，选择要运行的诊断。用于诊断的新选项卡出现在工具条中，用于结果的新文档出现在右窗格中。
在诊断选项卡上，您可以在适当的部分中调整诊断的参数。例如，考虑对所选系列进行恩格尔-格兰杰协整检验。在测试图库中，选择Engle-Granger测试．在EGCI选项卡，在参数方法选择协整回归形式协整回归表列出并选择要对回归残差进行的测试残差回归表列表。

例如，考虑一个包含加拿大通货膨胀和利率作为预测变量的预测模型。确定变量是否共线。的Data_Canada数据集包含时间序列。

导入DataTimeTable中的变量Data_Canada数据集为计量经济学建模师(见导入时间序列变量)．时间序列图显示在右侧窗格中。

所有序列似乎都包含自相关。尽管您应该在创建预测模型之前从预测变量中删除自相关，但本例在没有删除自相关的情况下继续进行。
在测试部分中,点击新的测试．在共线性部分中,点击贝尔斯利共线性诊断．
econometretresmodeler在工具条中为Belsley共线性诊断创建了一个新选项卡，并在右侧窗格中为结果创建了一个新文档。结果包含一个表的奇异值，条件指标，和方差分解比例为每个系列。属性指定的容差值条件指数参数值(默认为30.)在公差部份共线性选项卡。表中标有级数名的列构成方差分解比例矩阵。方差分解比例大于所指定容差的级数Variance-Decompoosition比例参数值(默认为0．5)显示多重共线性。

因为它们的方差分解比例高于容差(默认容差为0．5)对于条件指数，共线预测因子为INT_L，INT_M,INT_S．
您可以从诊断中添加或删除时间序列。例如，通过执行以下步骤从诊断中删除通货膨胀率。
1. 在测试结果文档中，右键单击结果表格或图表。
2. 指出时间序列．将出现所有变量的列表。
3. 去掉通货膨胀率序列INF_C而且INF_G通过取消选择相应的复选框，从诊断中获取。当您取消选择系列时，econometricmodeler将基于所选系列重新计算结果。

有关Belsley共线性诊断结果和多重共线性的详细信息，请参见collintest而且时间序列回归II:共线性和估计方差．

时间序列转换

Box-Jenkins方法论[1]对于ARIMA模型选择，假设响应序列是平稳的，而包含非平稳预测因子和响应变量的模型可以产生伪回归模型(有关详细信息，请参见时间序列回归IV:伪回归)．为了稳定您的系列，econometricmodeler支持中的这些转换转换部份计量经济学建模师选项卡。

转换	使用When系列…	笔记
日志	是否有随其水平增长的指数趋势或方差	级数中的所有值都必须是正数。
线性去趋势	有线性确定性的趋势，可以识别使用最小二乘	当econometricmodeler对该系列进行趋势分析时，它忽略了前导或后导缺失(`南`)的值。如果在观察值之间出现任何缺失值，则应用程序返回一个向量`南`长度等于级数的值。
一阶差分	具有随机趋势	计量经济学建模器在差分级数前加上`南`价值。此操作确保差分序列具有与原始序列相同的长度和时间基础。
季节性差异	有季节性的随机趋势吗	您可以使用旋转框指定季节中的周期。例如,`12`表示每月的季节转换。计量经济学建模师的微分级数`南(期，1)`,在那里`期`是一个季节中的指定时段。此操作确保差分序列具有与原始序列相同的长度和时间基础。

详情请参见数据转换．

方法中的变量进行转换时间序列窗格，然后单击转换。序列转换后，表示转换后的序列的新变量将出现在时间序列窗格。此外，计量模型绘制并选择新变量。为了创建变量名，应用程序将转换名附加到变量名的末尾。类中单击两次，可以重命名转换后的变量时间序列选择变量名的文本，然后输入新的名称。按可选择多个系列Ctrl然后点击每个系列，然后同时对选定的系列应用相同的变换。该应用程序为每个系列创建新变量，将转换名称附加到每个转换后的变量名称的末尾，并将转换后的变量绘制在同一个图形中。

例如，假设GDP序列Data_USEconModel具有指数趋势和随机趋势。通过应用对数变换，然后应用第二个差值来稳定GDP。

导入DataTimeTable中的变量Data_USEconModel数据集进入计量经济模型(见导入时间序列变量)．
在时间序列窗格中,选择国内生产总值．
在计量经济学建模师选项卡，在转换部分中,点击日志．应用程序创建一个名为GDPLog，出现在时间序列窗格，并显示时间序列的图形。
在转换部分中,点击区别．应用程序创建一个名为GDPLogDiff并显示时间序列的图形。
在转换部分中,点击区别．应用程序创建一个名为GDPLogDiffDiff并显示时间序列的图形。

GDPLogDiffDiff是稳定的GDP。

模型与数据拟合

探索性数据分析的结果可以提出几个候选模型。要选择一个模型，在时间序列窗格中，选择响应的时间序列。在计量经济学建模师选项卡，在模型部分，单击模型或在模型库中单击一个模型。econometretric Modeler允许您仅选择那些适合所选响应系列数量的模型。在您选择了一个模型之后，您可以对它进行配置以进行估计。

计量经济模型支持以下模型。

模型	响应	类型
条件是:ARMA / ARIMA模型部分	单变量	平稳自回归(AR) 详细信息请参见自回归模型，`华宇电脑`,`估计`．
	单变量	平稳移动平均(MA) 详细信息请参见移动平均模型，`华宇电脑`,`估计`．
	单变量	平稳ARMA 详细信息请参见自回归移动平均模型，`华宇电脑`,`估计`．
	单变量	非平稳综合ARMA (ARIMA) 详细信息请参见ARIMA模型，`华宇电脑`,`估计`．
	单变量	季节(乘性)ARIMA (SARIMA) 详细信息请参见乘法ARIMA模型，`华宇电脑`,`估计`．
	单变量	包含外生预测因子的ARIMA (ARIMAX) 详细信息请参见包含外生协变量的ARIMA模型，`华宇电脑`,`估计`．
	单变量	季节性ARIMAX 详细信息请参见`华宇电脑`而且`估计`．
条件方差:GARCH模型部分	单变量	广义自回归条件异方差(GARCH) 详细信息请参见GARCH模型，`garch`,`估计`．
	单变量	指数GARCH (EGARCH) 详细信息请参见EGARCH模型，`egarch`,`估计`．
	单变量	格洛斯滕、贾格纳森和朗克尔(GJR) 详细信息请参见GJR模型，`gjr`,`估计`．
多元线性回归:回归模型部分	单变量	多元线性回归详细信息请参见时间序列回归I:线性模型，`LinearModel`,`fitlm`．
多元线性回归:回归模型部分	单变量	带ARMA误差的回归模型详细信息请参见具有时间序列误差的回归模型，`regARIMA`,`估计`．
向量自回归模型:多变量模型部分	多元	平稳向量自回归(VAR) 详细信息请参见向量自回归(VAR)模型而且`varm`．
	多元	VAR包括外生变量(VARX) 详细信息请参见向量自回归(VAR)模型而且`varm`．
	多元	矢量误差校正(VEC)或共合体VAR 详细信息请参见`结果`．

对于单变量条件平均模型估计，SARIMA和SARIMAX是最灵活的模型。通过单击，可以创建排除外生预测因子的任何条件均值模型SARIMA，或者通过单击可以创建任何包含至少一个外生预测因子的条件均值模型SARIMAX．

对于多元模型估计，所选择的模型取决于所选时间序列是平稳的还是协整的。对于平稳系列，通过单击创建VAR模型VAR．若要包含外生预测因子，请单击VARX代替。有关协整级数，请单击VEC．

选择模型后，应用程序显示类型“模型参数”对话框，其中类型模型类型。例如，该图显示了SARIMAX模型参数对话框。

SARIMAX模型参数对话框显示参数设置

中的可调参数类型模型参数窗口依赖于类型．一般情况下，可调参数包括:

与预测变量相对应的确定性术语和线性回归系数(见调整确定性术语和回归成分参数）
单变量模型的时间序列成分参数，包括季节和非季节滞后和整合程度(见单变量模型时间序列分量参数调整）
多元模型的时间序列成分参数，包括AR滞后和AR系数元素，以指定估计期间的相等约束(参见多元模型时间序列分量参数调整）
对于单变量模型，创新分布(见单变量模型创新分布参数的调整）

在调整参数值时，公式中的模型方程部分更改以匹配您的规范。可调参数对应于相应模型创建参考页中描述的输入和名值对参数。具体操作请参见各型号功能参考页面。无论您选择哪种模型，模型中所有未指定的系数都是未知的和可估计的，包括t-分布自由度参数(当您指定一个t创新分布)。

请注意

计量经济学建模师不支持:

优化选项调整估计。
复合条件均值和方差模型。详细信息请参见指定条件均值和方差模型．
估计过程中单变量模型参数的等式约束(除了在估计过程中将某些参数固定为零)。

要调整优化选项，估计复合条件均值和方差模型，或应用相等约束，请使用MATLAB命令行。

调整确定性术语和回归成分参数

支持的确定性项取决于所选模型，包括模型常数(偏移量或截距)和线性时间趋势。要包含模型常数(偏移量或截距)项，请选择包括常数项或包括抵消期复选框。与线性时间趋势类似，选择包括趋势复选框。若要删除确定性项(即在估计期间将其约束为零)，请清除复选框。控件中的复选框的位置和类型类型“模型参数”对话框取决于模型类型。默认情况下，econometretric Modeler在除条件方差模型外的所有模型类型中都包含一个模型常数。

要为回归组件选择预测器，请使用预测列表中的复选框包括什么?列，对应于要包含在模型中的预测器。默认情况下，应用程序不包括任何模型类型的回归组件。

如果您选择ARIMAX，SARIMAX,或RegARMA，那么你必须选择至少一个预测器。
如果您选择高钙，然后您可以指定以下其中之一:
- 当你选择至少一个预测时，一个MLR模型
- 中的所有复选框清除时，将得到一个常量平均模型(仅截取模型)包括什么?列，并选择包括拦截复选框
- 中清除所有复选框时的唯一错误模型包括什么?列，并清除包括拦截复选框

考虑GDP到CPI和失业率的线性回归模型。要指定回归:

导入DataTimeTable中的变量Data_USEconModel数据集进入计量经济模型(见导入时间序列变量)．
在时间序列窗格中，选择响应变量国内生产总值．
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，在回归模型部分中,点击高钙．
在“MLR模型参数”对话框中，单击包括什么?列，选择CPIAUCSL而且UNRATE复选框。
单击估计按钮。

单变量模型时间序列分量参数调整

一般而言，对于单变量模型，时间序列分量参数包含滞后，以包括季节性和非季节性滞后算子多项式，以及季节性和非季节性的积分度。

对于条件均值模型，您可以指定季节性和非季节性自回归滞后，以及季节性和非季节性移动平均滞后。您还可以调整季节性和非季节性的集成程度。
对于条件方差模型，您可以指定ARCH和GARCH滞后。EGARCH和GJR模型也支持杠杆滞后。
对于带有ARMA误差的回归模型，您可以指定非季节性自回归和移动平均滞后。对于包含季节性滞后或季节性或非季节性集成程度的模型，请改用命令行。

计量模型支持两个选项来调整参数。的单独选项卡上的调整选项类型“模型参数”对话框延迟订单而且滞后的向量选项卡。在延迟订单选项卡时，可以指定订单滞后算子多项式的。该特性使您能够在一个延迟运算符多项式中有效地包括从1到指定顺序的所有延迟。在滞后的向量选项卡，您可以指定个人滞后包括一个滞后算子多项式。这个特性非常适合创建灵活的模型。详情请参见交互式地指定单变量滞后算子多项式．

单变量模型创新分布参数的调整

对于单变量模型，您可以指定创新的分布是高斯分布。对于除多元线性回归模型外的所有模型，您都可以指定Student的t相反，要处理细峰度创新分布(有关详细信息，请参阅条件平均模型的极大似然估计，条件方差模型的极大似然估计,或regARIMA模型的极大似然估计)．如果您指定t分布，然后计量模型使用最大似然估计其自由度参数。

默认情况下，计量模型使用高斯分布的创新。改变创新分布，在类型“模型参数”对话框中的创新分布按钮，在列表中选择一个发行版。

多元模型时间序列分量参数调整

多元模型支持的时间序列组件参数取决于模型类型。所有类型都允许包含非季节性AR滞后系数。然而，VEC模型还支持以下参数规范:

Johansen模型形式，它指定了哪些确定性项(整体的或协整关系内的)要包含在模型中。详细信息请参见约翰森形式．
协整排r
调整速度矩阵一个
协整矩阵B

这个图是一个例子类型“模型参数”对话框。

VEC模型参数对话框显示参数设置

与单变量模型一样，计量模型支持通过指定滞后顺序(延迟订单Tab)，或者，为了灵活性，可以指定单个延迟(滞后的向量选项卡)。与单变量模型不同，计量模型支持对AR或短期滞后系数矩阵的单个条目的估计相等约束，这对应于模型中的自变量或交叉变量滞后系数。系数约束使您能够测试经济情景。计量模型持有在估计期间固定的指定值。

对于VEC模型，您可以在整个矩阵上指定相等约束一个或B，约翰森表格除外H *而且H1 *哪些只支持相等约束一个．

要指定这样的相等约束:

在类型“模型参数”对话框中，选择要约束的延迟AR系数(ϕ）(VAR或VARX)或短期系数(Φ)(VEC)清单。
请选择以下两种方式:
- 单击要约束的矩阵元素，然后输入值。计量经济模型估计所有南条目。
- 导入一个矩阵。
  1. 在命令行上，创建一个适当大小的约束矩阵或约束和的混合矩阵南AR或短期滞后的值。
  2. 在计量经济学建模师，在类型对话框中，单击进口．
  3. 在对话框中，选择系数矩阵要导入的变量。

详细信息请参见交互式地指定多元滞后算子多项式和系数约束．

估计单变量模型

计量模型处理模型中的所有参数都是未知的和可估计的。指定模型后，通过单击使其适合数据估计在类型“模型参数”对话框。

请注意

计量模型需要可估计参数的初始值和预采样观测值来初始化模型进行估计。中所述的econometricmodeler总是选择默认的初始值和预样本值估计您要估计的模型的参考页。
如果计量模型在估计期间出现错误，则:
- 指定的模型不能很好地描述数据。调整模型参数，对新模型进行估计。
- 在命令行上，调整优化选项并估计模型。详细信息请参见条件平均模型估计的优化设置，条件方差模型估计的优化设置,或regARIMA模型估计的优化设置．

在你估计一个模型之后:

描述估计模型的新变量出现在模型带有名称的窗格Type_response．类型型号是型号和响应是econometretric Modeler拟合模型的响应变量，例如，ARIMA_FEDFUNDS．
你在一个估计模型上操作模型窗格。除了时间序列变量的可用选项(请参阅导入时间序列变量)，则上下文菜单包括修改选项，使您能够修改和重新估计模型。例如，右键单击一个模型并选择修改．然后，在类型“模型参数”对话框，调整参数后单击估计．
模型的对象显示出现在预览窗格。
的模型总结(Type_response）汇总估计结果的文档出现在右窗格中。显示的结果取决于模型类型。对于条件均值和回归模型，结果包括:
- 模型适合-响应序列和拟合值的时间序列图 $\overset{＾}{y}$
- 参数—估算汇总表，包含参数估算值、标准误差和t统计数据和p-values用于测试对应参数为0的零假设
- 剩余的情节残差的时间序列图
- 拟合度赤池信息准则(AIC)和贝叶斯信息准则(BIC)模型拟合统计
对于条件方差模型，结果还包括一个估计汇总表和拟合优度统计量，但计量模型图:
- 有条件的差异-推断条件方差的时间序列图 ${\overset{＾}{σ}}_{t}^{2}$
- 标准化残差-标准化残差的时间序列图 $\frac{y_{t} - c}{{\overset{＾}{σ}}_{t}^{2}}$ ,在那里c是估计的偏移量
您可以通过在一个图上暂停并选择一个交互来与单个图进行交互(参见可视化时间序列数据)．您还可以通过右键单击文档来与摘要交互。选项包括:
- 出口-在单独的图形窗口中放置plot。
- 显示模型-通过指向显示另一个估计模型的摘要显示模型，然后在列表中选择一个型号。
- 显示经济衰退-在时间序列图中绘制衰退带。

考虑SARIMA(0,1,1)×(0,1,1)₁₂为1949年至1960年的每月国际航空旅客人数Data_Airline数据集。要使用计量经济建模器来估计这个模型:

导入DataTimeTable中的变量Data_Airline数据集为计量经济学建模师(见导入时间序列变量)．
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．

结果是:

变量名为SARIMA_PSSG出现在模型窗格。
的价值SARIMA_PSSG出现在预览窗格。
在new中出现了一个评估摘要模型总结(SARIMA_PSSG)文档。

多元模型的估计

econometretric Modeler默认将模型中的所有参数都视为未知和可估计的。然而，与单变量模型不同，计量模型支持对某些参数进行估计的相等约束。您可以在应用程序中指定系数值，或者从工作空间导入滞后系数矩阵。

配置模型后，通过单击使其适合数据估计在类型“模型参数”对话框。

请注意

为了初始化用于估计的模型，econometretric Modeler删除了第一个p响应数据中的观测值用作预样本，然后函数将模型与其余观测值拟合。
如果econometretric Modeler在估计过程中出现错误，则指定的模型不能很好地描述数据。调整模型参数，对新模型进行估计。

在您估计一个模型后，计量模型显示的结果类似于单变量估计(见估计单变量模型)，并且您可以以与单变量模型相同的方式与估计的多变量模型交互。显著的差异包括:

描述估计模型的新变量出现在模型带有名称的窗格Typej,在那里类型型号是型号和j是估计模型j例如，这种类型的，VAR2为会议期间估计的第二个VAR模型。
的模型总结(Type_response）汇总估计结果的文档出现在右窗格中。然而，所示的图取决于模型类型和所选的时间序列时间序列列在文档顶部。对于VAR模型，结果包括:
- 模型适合-所选时间序列和相应拟合值的时间序列图 $\overset{＾}{y}$
- 剩余的情节-与所选时间序列相对应的残差时间序列图
对于VEC模型，结果还包括协整关系的时间序列图，它对所选时间序列是不变的。

考虑一个三维VAR(4)模型，该模型是1947年至2009年美国国内生产总值(GDP)、M1货币供应量和3个月国债利率的季度测量值。该文件Data_USEconModel.mat包含系列，在其他经济措施。

要使用计量经济建模器来估计这个模型:

导入DataTimeTable中的变量Data_USEconModel数据集为计量经济学建模师(见导入时间序列变量)．
在计量经济学建模师选项卡，在时间序列窗格中,单击国内生产总值，然后按Ctrl并点击M1SL．
因为国内生产总值而且M1SL呈现指数增长，在模型中使用它们的增长率。在计量经济学建模师选项卡，在转换部分中,点击日志，然后按区别．将转换变量的名称更改为GDPRate而且M1SLRate,分别。
在时间序列窗格中,单击TB3MS，然后稳定的系列点击，在转换节中,区别．将转换序列的名称更改为TB3MSRate．
与TB3MSRate选中后，按下选择VAR模型的三个速率系列Ctrl并单击GDPRate而且M1SLRate．
在计量经济学建模师选项卡，在模型部分中,点击VAR．
在“VAR模型参数”对话框中，在延迟订单选项卡,设置自回归秩序来4．
点击估计．

结果是:

变量名为VAR出现在模型窗格。
的价值VAR出现在预览窗格。
在new中出现了一个评估摘要总结(VAR)模型文档。图是相对于GDPRate系列。中参数估计的指标参数节中对应级数的顺序时间序列列表(例如基于“增大化现实”技术的{1}(2、3)滞后1ar系数是TB3MSRate方程中的级数M1SLRate系列。

进行拟合优度检查

在估计一个模型之后，一个好的做法是确定拟合模型的充分性(参见拟合度)．计量模型非常适合于可视化评估样本内拟合(除条件方差模型外的所有模型)和执行剩余诊断。

剩余诊断包括评估模型假设并研究是否必须重新指定模型以处理数据的其他属性。评估的模型假设包括检查残差是否以零为中心、正态分布、同方差和序列不相关。如果残差不能显示所有这些属性，那么您必须确定偏离的严重程度，是否转换数据，以及是否指定不同的模型。有关残留诊断的详细信息，请参见时间序列回归VI:剩余诊断而且残留的诊断．

要使用计量经济建模器执行拟合优度检查，请在模型窗格中，选择估计的模型。然后，完成以下步骤:

为了直观地评估所有模型(条件方差模型除外)的样本内拟合，请检查模型适合图在模型的总结文档。对于多元模型，计量模型显示一个系列的拟合值。控件中的级数，可以在模型中选择要绘制的不同级数时间序列列表。
若要直观地评估残差是否以零为中心、自相关和异方差，请检查剩余的情节在模型的总结文档。对于多元模型，计量模型显示一个系列的残差。控件中的对应序列，可以选择要绘制的其他残差序列时间序列列表。

在计量经济学建模师选项卡，在诊断部分中,点击残留的诊断．诊断图库提供了这些剩余图和测试。

方法	诊断
残差直方图	目测是否正常
残差分位数-分位数图	目测正态和偏态
ACF	目测残差是否自相关
Ljung-Box Q-test	检验残差是否显著自相关
残差平方的ACF	目测残差是否具有条件异方差
恩格尔的ARCH测验	条件异方差的检验残差(显著ARCH效应)

或者，绘制估计模型残差的直方图、分位数-分位数图或ACF:

中选择模型模型窗格。
单击情节选项卡。
在情节部分中，单击箭头，然后单击模型图画廊的一部分。

对于多元模型:

计量模型绘制在同一文档中的所有模型系列的剩余诊断。
计量模型对所有系列同时运行剩余诊断测试，但它分别显示每个剩余系列的结果。控件中的系列，单击“测试”选项卡，可以选择要显示的结果时间序列列表。

请注意

另一个重要的拟合优度检查是预测绩效评估。为了评估几个模型的预测性能:

为数据拟合一组模型计量经济学建模师．
对所有型号进行残留诊断。
选择具有理想残差属性和最小拟合统计量的模型子集(参见寻找最佳样本拟合模型)．
导出所选模型到MATLAB工作区(见导出会话结果)．
在命令行执行预测性性能评估(请参见评估预测表现)．

有关示例，请参见比较使用计量经济建模器创建模型后的预测性能．

考虑对估计的SARIMA(0,1,1)×(0,1,1)进行拟合优度检查₁₂用于航空公司统计数据的模型估计单变量模型．

在右侧窗格的模型总结(SARIMA_PSSG)文档:
1. 模型适合说明模型与数据吻合得很好。
2. 剩余的情节表明残差的均值为零。然而，残差呈现异方差和序列相关。
在计量经济学建模师选项卡，在诊断部分中,点击残留的诊断．在诊断图库中:
1. 点击残差Q-Q图．右边窗格显示一个名为QQPlot (SARIMA_PSSG)包含残差的分位数-分位数图。
  
  图显示残差近似正常，但尾部稍重。
2. 点击自相关函数．在工具条中，ACF选项卡显示并包含绘图选项。右窗格显示一个名为ACF (SARIMA_PSSG)包含残差的ACF。
  
  因为几乎所有的样本自相关值都低于置信限，残差可能不是序列相关的。
3. 点击恩格尔的ARCH测试．在拱选项卡，在测试部分中,点击运行测试使用默认选项运行测试。控件的右窗格显示拱(SARIMA_PSSG)文档中的测试结果结果表格
  
  结果表明，在5%的显著性水平上，残差不表现出ARCH效应的原假设被否定。您可以尝试通过对级数应用对数变换来消除异方差。

寻找最佳样本拟合模型

计量模型使您能够将多个相关模型有效地拟合到数据集。在您估计一个模型之后，您可以通过迭代中的方法来估计其他模型进行探索性数据分析，模型与数据拟合,进行拟合优度检查．在每次迭代之后，一个新的模型变量出现在模型窗格。

对于拟合到相同响应序列的同一参数族中的模型，可以通过比较估计模型的拟合统计量来确定具有最佳简约样本内拟合的模型。从候选模型的子集中，确定模型的最佳拟合使用计量经济学建模师：

在模型窗格中，双击估算模型。在右窗格中，模型的估计结果显示在模型总结(模型）文档,模型所选模型的名称。
在模型总结(模型）文档中的拟合度表中，选择合适的统计量(AIC或BIC)并记录其值。
为所有候选模型迭代前面的步骤。
选择产生最小拟合统计量的模型。

有关拟合优度统计的详细信息，请参见模型选择的信息标准．

中的航空乘客计数日志，考虑寻找周期为12的最佳拟合SARIMA模型Data_Airline数据集。拟合SARIMA模型的子集，考虑包括最多两个季节性和非季节性MA滞后的所有模型组合。

导入DataTimeTable中的变量Data_Airline数据集为计量经济学建模师(见导入时间序列变量)．
应用对数变换到PSSG(见时间序列转换)．
拟合SARIMA(0,1，问)×(0,1,问₁₂）₁₂来PSSGLog，其中所有未知阶数为0(见估计单变量模型)．
在右侧窗格的模型总结(SARIMA_PSSGLog)文档中的拟合度表，记录AIC值。
在模型窗格中,选择PSSGLog．
重复步骤4和5，但要调整问而且问₁₂的九种排列问∈{0，1，2},问₁₂∈{0，1，2}。econometretric Modeler通过在变量名的末尾附加连续数字来区分相同类型的后续模型。

得到的AIC值在此表中。

模型	变量名	另类投资会议
SARIMA(0,1,0)×(0,1,0)₁₂	`SARIMA_PSSGLog1`	-491.8042
SARIMA(0,1,0)×(0,1,1)₁₂	`SARIMA_PSSGLog2`	-530.5327
SARIMA(0,1,0)×(0,1,2)₁₂	`SARIMA_PSSGLog3`	-528.5330
SARIMA(0, 1, 1)×(0,1,0)₁₂	`SARIMA_PSSGLog4`	-508.6853
SARIMA(0, 1, 1)×(0,1,1)₁₂	`SARIMA_PSSGLog5`	-546.3970
SARIMA(0, 1, 1)×(0,1,2)₁₂	`SARIMA_PSSGLog6`	-544.6444
SARIMA(0, 1, 2)×(0,1,0)₁₂	`SARIMA_PSSGLog7`	-506.8027
SARIMA(0, 1, 2)×(0,1,1)₁₂	`SARIMA_PSSGLog8`	-544.4789
SARIMA(0, 1, 2)×(0,1,2)₁₂	`SARIMA_PSSGLog9`	-542.7171

因为它得到最小AIC, SARIMA(0,1,1)×(0,1,1)₁₂模型是具有最佳简约、样本内拟合的模型。

导出会话结果

econometretresmodeler为您提供了共享会话结果的几个选项。您选择的选项取决于您的分析目标。

共享结果的选项在出口部份计量经济学建模师选项卡。该表描述了可供选择的选项。

选项	描述
出口变量	导出时间序列和模型变量到MATLAB工作区。选择此选项可在MATLAB命令行中执行进一步分析。例如，您可以从估计的模型生成预测，或者检查几个模型的预测性能。
生成函数	生成一个MATLAB函数在应用程序外部使用。该函数接受加载到应用程序中的数据作为输入，并输出在应用程序会话中估计的模型。选择此选项可: 理解econometretric Modeler用于创建和估计模型的功能。在MATLAB编辑器中修改生成的函数以供进一步使用。
生成活函数	生成一个MATLAB实时函数以在应用程序外部使用。该函数接受加载到应用程序中的数据作为输入，并输出在应用程序会话中估计的模型。选择此选项可: 理解econometretric Modeler用于创建和估计模型的功能。在Live Editor中修改生成的函数以供进一步使用。
生成报告	生成一个总结会议的报告。当您在econometricmodeler中实现分析目标，并且希望共享结果摘要时，请选择此选项。

输出变量

导出时间序列和估计的模型变量时间序列或模型窗格到MATLAB工作区:

在计量经济学建模师选项卡，在出口部分中,点击或出口>出口变量．
在“导出变量”对话框中，所有时间序列变量显示在左侧窗格中，所有模型变量显示在右侧窗格中。属性中的相应复选框，选择要导出的时间序列和模型变量选择列。程序中选择的所有时间序列或模型变量的复选框时间序列而且模型窗格。清除不想导出的变量的复选框。例如，该图显示了如何选择PSSGLog时间序列和SARIMA_PSSGLogSARIMA模型。
点击出口．

所选变量出现在MATLAB工作区中。时间序列变量是双精度列向量。估计模型是类型依赖于模型的对象(例如，导出的ARIMA模型是一个华宇电脑对象)。

或者，您也可以通过以下方式导出变量:至少选择一个变量，右键单击所选变量，然后选择出口．

生成函数

该应用程序可以生成纯文本函数或活动函数。这两个函数之间的主要区别是用于修改生成函数的编辑器:在MATLAB编辑器中编辑纯文本函数，在live editor中编辑实时函数。有关这两种函数类型之间差异的详细信息，请参见什么是动态脚本或函数?．

不管你选择哪种函数类型，生成的函数都会接受加载到应用程序中的数据作为输入，并输出在应用程序会话中估计的模型。导出一个MATLAB函数或动态函数，在应用程序会话中创建一个估计的模型:

在模型窗格中，选择估计的模型。
在计量经济学建模师选项卡，在出口部分中,点击出口．在出口菜单中,选择生成函数或生成活函数．

MATLAB编辑器或实时编辑器显示一个未命名、未保存的函数，其中包含估计模型的代码。

缺省情况下，函数名为modelTimeSeries．
该函数接受最初导入的数据集作为输入。
在函数估计模型之前，它从估计中使用的输入数据集中提取变量，并对在econometricmodeler中应用的变量应用相同的转换。
该函数返回选定的估计模型。

考虑生成一个返回的活动函数SARIMA_PSSGLog， SARIMA(0,1,1)×(0,1,1)₁₂模型适合航空乘客数据日志(见估计单变量模型)．该图显示了生成的活动函数。

生成报表

econometretric Modeler可以生成一个报告，描述您在选定时间序列和模型变量上的活动。该应用程序将报告组织成与选定的时间序列和模型变量相对应的章节。章节描述在相应变量上执行的会话活动。

有关时间序列变量的章节描述了在会话中对所选变量执行的转换、绘图和测试。估计模型章节包含一个估计摘要，即元素模型的总结文档(见估计单变量模型)，以及剩余诊断图和测试。

您可以将报表导出为以下文档类型之一:

超文本标记语言(HTML)
微软^®词XML格式文件(DOCX)
便携式文件格式(PDF)

导出报表。

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．
“选择用于报告的变量”对话框中的所有时间序列变量时间序列窗格中显示的所有模型变量模型窗格显示在右侧窗格中。控件中的复选框，以选择包含报表的变量选择列。
单击，选择文档类型报告格式选择你想要的格式。
点击好吧．
在选择写入文件亮点:
1. 浏览到要保存报表的文件夹。
2. 在文件名称框中，键入报告的名称。
3. 点击保存．

考虑生成一个HTML报告，用于分析航空乘客数据(参见进行拟合优度检查)．该图显示了如何选择所有变量和HTML格式。

该图显示了生成的报告的示例。

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

应用程序

计量经济学建模师

使用计量经济建模器分析时间序列数据

为计量经济学建模应用程序准备数据

导入时间序列变量

进行探索性数据分析

可视化时间序列数据

执行规格和模型识别假设检验

时间序列转换

模型与数据拟合

调整确定性术语和回归成分参数

单变量模型时间序列分量参数调整

单变量模型创新分布参数的调整

多元模型时间序列分量参数调整

估计单变量模型

多元模型的估计

进行拟合优度检查

寻找最佳样本拟合模型

导出会话结果

输出变量

生成函数

生成报表

参考文献

另请参阅

应用程序

相关的话题