الانحدار الحركة من المتوسط البرمجيات

ستاتا: تحليل البيانات والبرامج الإحصائية تحليل السلاسل الزمنية باستخدام ستاتا تستعرض هذه المادة طرق تحليل السلاسل الزمنية وتظهر كيفية إجراء التحليل باستخدام ستاتا. وتغطي الدورة طرق إدارة البيانات، والتقدير، واختيار النموذج، واختبار الفرضية، والتفسير. بالنسبة للمشاكل أحادية المتغير، تغطي الدورة نماذج الانحدار الذاتي (أرما)، والمرشحات الخطية، ونماذج الذاكرة الطويلة، ونماذج المكونات غير المرصودة، ونماذج الانحدار الذاتي المعتمد بشكل مشروط (غارتش). وبالنسبة للمشاكل متعددة المتغيرات، تغطي الدورة نماذج الانحدار الذاتي للنواقل (فار)، ونماذج القيمة المعرضة للمخاطر المركزة، ونماذج الفضاء، ونماذج العوامل الديناميكية، ونماذج غارتش متعددة المتغيرات. سوف تمارين استكمال المحاضرات والأمثلة ستاتا. نحن نقدم خصم 15 للالتحاق مجموعة من ثلاثة أو أكثر من المشاركين. استعراض سريع للعناصر الأساسية لتحليل السلاسل الزمنية إدارة وتلخيص بيانات السلاسل الزمنية نماذج أحادية المتغير المتوسط ​​المتحرك وعمليات الانحدار الذاتي نماذج أرما نماذج ثابتة أرما للبيانات غير الموسمية نماذج موسمية مضاعفة اتجاهات محددة مقابل مؤشر ستوكاستيك الانحدار الذاتي نماذج غير متجانسة مشروط الانحدار الذاتي المتوسط ​​المتحرك المتكامل جزئيا نموذج اختبارات الفواصل الإنشائية نماذج جديدة لتحويل ماركوف جديد مقدمة للتنبؤ في مرشحات ستاتا مرشحات خطية مقدمة سريعة لنطاق التردد نموذج وحيد المتغير غير المراقب نموذج نماذج متعددة المتغيرات نماذج الانحدار الذاتي المتجه نموذج للتغيرات التكاملية نماذج فضاء الفضاء استجابة النبضة وتحليل تحلل التباين نماذج ديناميكية جديدة عامل متعدد المتغيرات غارتش ألفة عامة مع ستاتا ودورة على مستوى الدراسات العليا في تحليل الانحدار أو تجربة مماثلة. A ريما لتقف على الانحدار الذاتي نماذج الانتقال المتكاملة. المتغير أحادي المتغير (أريفا فيكتور) أريما هو أسلوب التنبؤ الذي يقوم بتطوير القيم المستقبلية لسلسلة تعتمد بشكل كامل على الجمود الخاص بها. تطبيقه الرئيسي هو في مجال التنبؤ على المدى القصير تتطلب ما لا يقل عن 40 نقطة البيانات التاريخية. وهو يعمل بشكل أفضل عندما تظهر بياناتك نمطا مستقرا أو متسقا مع مرور الوقت مع الحد الأدنى من القيم المتطرفة. في بعض الأحيان تسمى بوكس-جينكينز (بعد المؤلفين الأصليين)، أريما عادة ما تكون متفوقة على الأساليب التمهيد الأسي عندما تكون البيانات طويلة إلى حد معقول، والارتباط بين الملاحظات الماضية مستقرة. إذا كانت البيانات قصيرة أو متقلبة للغاية، ثم بعض طريقة تمهيد قد تؤدي بشكل أفضل. إذا لم يكن لديك ما لا يقل عن 38 نقطة بيانات، يجب عليك النظر في بعض الطرق الأخرى من أريما. الخطوة الأولى في تطبيق منهجية أريما هي التحقق من الاستبانة. ويعني الاستقرارية أن المسلسل لا يزال على مستوى ثابت إلى حد ما مع مرور الوقت. إذا كان هناك اتجاه، كما هو الحال في معظم التطبيقات الاقتصادية أو التجارية، ثم البيانات الخاصة بك ليست ثابتة. وينبغي أن تظهر البيانات أيضا تباينا ثابتا في تقلباتها مع مرور الوقت. وينظر إلى هذا بسهولة مع سلسلة التي موسمية بشكل كبير وتنمو بمعدل أسرع. في مثل هذه الحالة، فإن الصعود والهبوط في الموسمية سوف تصبح أكثر دراماتيكية مع مرور الوقت. وبدون استيفاء شروط الاستبقاء هذه، لا يمكن حساب العديد من الحسابات المرتبطة بالعملية. إذا كانت مؤامرة رسومية من البيانات تشير إلى نونستاتيوناريتي، ثم يجب أن الفرق السلسلة. الفرق هو وسيلة ممتازة لتحويل سلسلة غير ثابتة إلى واحدة ثابتة. ويتم ذلك بطرح الملاحظة في الفترة الحالية من الفترة السابقة. إذا تم هذا التحول مرة واحدة فقط لسلسلة، ويقول لك أن البيانات قد اختلفت أولا. هذه العملية تلغي أساسا الاتجاه إذا سلسلة الخاص ينمو بمعدل ثابت إلى حد ما. إذا كان ينمو بمعدل متزايد، يمكنك تطبيق نفس الإجراء والفرق البيانات مرة أخرى. البيانات الخاصة بك ثم سيكون ديفيرنسد الثانية. أوتوكوريلاتيونس هي قيم رقمية تشير إلى كيفية ارتباط سلسلة البيانات نفسها بمرور الوقت. وبشكل أدق، فإنه يقيس مدى ارتباط قيم البيانات في عدد محدد من الفترات المتباعدة ببعضها البعض بمرور الوقت. وعادة ما يطلق على عدد الفترات المتبقية الفارق الزمني. على سبيل المثال، يقيس الارتباط الذاتي عند التأخر 1 كيفية ارتباط القيم 1 لفترة متباعدة ببعضها البعض طوال السلسلة. ويقيس الارتباط الذاتي عند التأخر 2 كيفية ارتباط البيانات بفترتين منفصلتين طوال السلسلة. قد تتراوح أوتوكوريلاتيونس من 1 إلى -1. تشير قيمة قريبة من 1 إلى وجود ارتباط إيجابي عال في حين أن قيمة قريبة من -1 تعني ارتباطا سلبيا كبيرا. وغالبا ما يتم تقييم هذه التدابير من خلال المؤامرات الرسومية تسمى كوريلاغاغرامز. ويحدد الرسم البياني المترابط قيم الترابط التلقائي لسلسلة معينة عند فترات تأخر مختلفة. ويشار إلى ذلك على أنه دالة الترابط الذاتي وهي مهمة جدا في أسلوب أريما. محاولات منهجية أريما لوصف التحركات في سلسلة زمنية ثابتة كدالة لما يسمى بارامترات الانحدار الذاتي والمتوسط ​​المتحرك. ويشار إلى هذه على النحو المعلمات أر (أوتوريجيسيف) ومعلمات ما (المتوسطات المتحركة). يمكن كتابة نموذج أر مع معلمة واحدة فقط ك. (X) (t) A (1) X (t-1) E (t) حيث تكون السلسلة الزمنية X (t) قيد التحقيق A (1) معلمة الانحدار الذاتي للترتيب 1 X (t-1) (t) مصطلح خطأ النموذج يعني هذا ببساطة أن أي قيمة معينة X (t) يمكن تفسيرها بوظيفة معينة من قيمتها السابقة X (t-1)، بالإضافة إلى بعض الأخطاء العشوائية غير القابلة للتفسير، E (t). إذا كانت القيمة المقدرة ل A (1) .30، فإن القيمة الحالية للمسلسل ستكون مرتبطة ب 30 من قيمته قبل 1. وبطبيعة الحال، يمكن أن تكون مرتبطة سلسلة إلى أكثر من مجرد قيمة واحدة الماضية. على سبيل المثال، X (t) A (1) X (t-1) A (2) X (t-2) E (t) يشير هذا إلى أن القيمة الحالية للسلسلة هي مزيج من القيمتين السابقتين مباشرة، X (t-1) و X (t-2)، بالإضافة إلى بعض الخطأ العشوائي E (t). نموذجنا هو الآن نموذج الانحدار الذاتي للنظام 2. تتحرك متوسط ​​نماذج: وهناك نوع الثاني من نموذج بوكس ​​جينكينز يسمى نموذج المتوسط ​​المتحرك. على الرغم من أن هذه النماذج تبدو مشابهة جدا لنموذج أر، والمفهوم وراءها هو مختلف تماما. أما المعلمات المتوسطة المتحركة فتتصل بما يحدث في الفترة t فقط بالأخطاء العشوائية التي حدثت في الفترات الزمنية السابقة أي E (t-1) و E (t-2) وما إلى ذلك بدلا من X (t-1) و X ( t-2)، (شت-3) كما هو الحال في نهج الانحدار الذاتي. ويمكن كتابة نموذج متوسط ​​متحرك بمصطلح "ما" على النحو التالي. (T) 1 (E) (T) E (t) يطلق على المصطلح B (1) ما من النظام 1. وتستخدم الإشارة السلبية أمام المعلمة للاتفاقية فقط وعادة ما يتم طباعتها خارج معظم السيارات بشكل تلقائي. يقول النموذج أعلاه ببساطة أن أي قيمة معينة من X (t) ترتبط مباشرة فقط إلى الخطأ العشوائي في الفترة السابقة، E (t-1)، وإلى مصطلح الخطأ الحالي، E (t). وكما هو الحال بالنسبة لنماذج الانحدار الذاتي، يمكن تمديد نماذج المتوسط ​​المتحرك لتشمل هياكل ذات ترتيب أعلى تغطي مجموعات مختلفة وأطوال متوسط ​​متحرك. وتسمح منهجية أريما أيضا بنماذج يمكن أن تدمج معا متوسطات الانحدار الذاتي والمتوسط ​​المتحرك معا. وغالبا ما يشار إلى هذه النماذج على أنها نماذج مختلطة. على الرغم من أن هذا يجعل أداة التنبؤ أكثر تعقيدا، قد هيكل محاكاة حقا سلسلة أفضل وإنتاج توقعات أكثر دقة. نماذج نقية تشير ضمنا إلى أن بنية تتكون فقط من أر أو ما المعلمات - ليس على حد سواء. وعادة ما تسمى النماذج التي تم تطويرها من خلال هذا النهج نماذج أريما لأنها تستخدم مزيج من الانحدار الذاتي (أر) والتكامل (I) - مشيرا إلى عملية عكسية عكسية لإنتاج التنبؤات، ومتوسط ​​الحركة (ما) العمليات. ويشار عادة إلى نموذج أريما على أنه أريما (p، d، q). ويمثل ذلك ترتيب مكونات الانحدار الذاتي (p) وعدد مشغلي الاختلاف (d) وأعلى ترتيب للمتوسط ​​المتحرك. على سبيل المثال، أريما (2،1،1) يعني أن لديك نموذج ترتيب الانحدار الثاني من الدرجة الثانية مع العنصر المتوسط ​​المتحرك الأول ترتيب الذي تم اختلاف سلسلة مرة واحدة للحث على الاستقرارية. اختيار الحق مواصفات: المشكلة الرئيسية في الكلاسيكية بوكس-جينكينز تحاول أن تقرر أي مواصفات أريما لاستخدام - i. e. كم عدد المعلمات أر أو ما لتشمل. هذا هو ما خصص الكثير من بوكس-جينكينغز 1976 لعملية تحديد الهوية. وهو يعتمد على التقييم البياني والعددي لعينة الارتباط الذاتي ووظائف الترابط الذاتي الجزئي. حسنا، لنماذج الأساسية الخاصة بك، والمهمة ليست صعبة للغاية. لكل منها وظائف الارتباط الذاتي التي تبدو بطريقة معينة. ومع ذلك، عندما ترتفع في التعقيد، لا يتم الكشف عن أنماط بسهولة. لجعل الأمور أكثر صعوبة، تمثل بياناتك عينة من العملية الأساسية فقط. وهذا يعني أن أخطاء أخذ العينات (القيم المتطرفة، خطأ القياس، وما إلى ذلك) قد تشوه عملية تحديد الهوية النظرية. هذا هو السبب في النمذجة أريما التقليدية هو فن بدلا من العلم. المحرك المتحرك انخفاض معدل الخطأ 13 13 13 13 13 13 يمكن أن يتم تقدير عمليات خطأ متوسط ​​الانحدار الذاتي (أخطاء أرما) والنماذج الأخرى التي تنطوي على التأخر في شروط الخطأ باستخدام بيانات فيت ومحاكاة أو التنبؤ باستخدام عبارات سولف. وغالبا ما تستخدم نماذج أرما لعملية الخطأ للنماذج ذات المخلفات ذات الصلة. يمكن استخدام الماكرو أر لتحديد نماذج مع عمليات خطأ الانحدار الذاتي. ويمكن استخدام ماكرو ما لتحديد النماذج التي بها متوسطات عمليات الخطأ المتوسط. أخطاء الانحدار الذاتي نموذج يحتوي على أخطاء الانحدار الذاتي من الدرجة الأولى، أر (1)، لديه النموذج أثناء عملية خطأ أر (2) يحتوي على النموذج وهكذا دواليك لعمليات أعلى ترتيب. لاحظ أن s مستقلة وموزعة بشكل متطابق ولها قيمة متوقعة من 0. مثال على نموذج مع مكون أر (2) هو أن تكتب هذا النموذج كما يلي: أو ما يعادلها باستخدام ماكرو أر كمتوسطات نقل النماذج 13 A نموذج مع أخطاء متوسط ​​الحركة من الدرجة الأولى، ما (1)، لديه شكل حيث يتم توزيعها بشكل مستقل ومستقل مع متوسط ​​صفر. عملية خطأ ما (2) لها شكل وهكذا دواليك لعمليات أعلى ترتيب. على سبيل المثال، يمكنك كتابة نموذج الانحدار الخطي بسيط مع ما (2) المتوسط ​​المتحرك الأخطاء حيث حيث MA1 و MA2 هي المعلمات المتوسط ​​المتحرك. لاحظ أن يتم تعيين RESID. Y تلقائيا بواسطة بروك موديل كما لاحظ أن RESID. Y هو. يجب استخدام الدالة زلاغ في نماذج ما لاقتطاع تكرارات التأخر. ويضمن ذلك أن تبدأ الأخطاء المتأخرة عند الصفر في طور التأخر ولا تنشر القيم الناقصة عندما تكون متغيرات فترة التأخر مفقودة، وتضمن أن تكون الأخطاء المستقبلية صفرا بدلا من أنها مفقودة أثناء المحاكاة أو التنبؤ. للحصول على تفاصيل حول وظائف التأخر، راجع القسم 34Lag Logic.3 هذا النموذج المكتوب باستخدام ماكرو ما هو النموذج العام لنماذج أرما العملية أرما (p، q) العامة النموذج التالي يمكن أن يكون نموذج أرما (p، q) المحدد على النحو التالي حيث أر i و ما j يمثلان الانحدار الذاتي والمتوسط ​​المتحرك للمعدلات المختلفة. يمكنك استخدام أي أسماء تريدها لهذه المتغيرات، وهناك العديد من الطرق المكافئة التي يمكن أن تكون مكتوبة المواصفات. ويمكن أيضا أن يتم تقدير العمليات أرما ناقلات مع بروك نموذج. على سبيل المثال، يمكن تحديد عملية أر (1) ثنائية المتغير لأخطاء المتغيرين الداخليين Y1 و Y2 على النحو التالي مشكلات التقارب مع نماذج أرما يمكن أن يكون من الصعب تقدير نماذج أرما. إذا لم تكن تقديرات المعلمة ضمن النطاق المناسب، فإن المتوسط ​​المتحرك سوف ينمو بصورة تدريجية. ويمكن أن تكون المخلفات المحسوبة للملاحظات اللاحقة كبيرة جدا أو يمكن تجاوزها. ويمكن أن يحدث ذلك إما بسبب استخدام قيم بدء غير ملائمة أو بسبب تكرارات التكرارات بعيدا عن القيم المعقولة. يجب استخدام العناية في اختيار قيم البدء لمعلمات أرما. قيم بدء .001 للمعلمات أرما عادة ما تعمل إذا كان النموذج يناسب البيانات جيدا والمشكلة مكيفة جيدا. لاحظ أن نموذج ما غالبا ما يمكن تقريبه من قبل نموذج أر عالية الترتيب، والعكس بالعكس. وهذا قد يؤدي إلى علاقة خطية متداخلة عالية في نماذج أرما مختلطة، والتي بدورها يمكن أن تسبب سوء تكييف خطير في الحسابات وعدم استقرار تقديرات المعلمة. إذا كان لديك مشاكل التقارب أثناء تقدير نموذج مع عمليات خطأ أرما، في محاولة لتقدير في الخطوات. أولا، استخدم بيان فيت لتقدير فقط المعلمات الهيكلية مع المعلمات أرما التي عقدت إلى الصفر (أو إلى تقديرات معقولة معقولة إن وجدت). بعد ذلك، استخدم عبارة فيت أخرى لتقدير معلمات أرما فقط، باستخدام قيم المعلمات الهيكلية من التشغيل الأول. وبما أن قيم المعلمات الهيكلية من المرجح أن تكون قريبة من تقديراتها النهائية، فإن تقديرات معلمات أرما قد تتلاقى الآن. وأخيرا، استخدم بيان فيت آخر لإنتاج تقديرات متزامنة لجميع المعلمات. وبما أن القيم الأولية للمعلمات من المرجح أن تكون قريبة جدا من تقديراتها النهائية المشتركة، ينبغي أن تتلاقى التقديرات بسرعة إذا كان النموذج مناسبا للبيانات. أر الشروط المبدئية 13 13 13 13 13 13 13 13 13 13 يمكن تأليف الفواصل الأولية لشروط الخطأ في نماذج أر (p) بطرق مختلفة. طرق بدء التشغيل التلقائي لخطأ الانحدار الذاتي التي تدعمها إجراءات ساسيتس هي التالية: كلس مشروطة المربعات الصغرى (أريما و موديل الإجراءات) أولس المربعات الصغرى غير المشروطة (أوتوريغ، أريما، وإجراءات موديل) احتمال أقصى مل (أوتوريغ، أريما، وإجراءات نموذج) يو يول - Walker (إجراء أوتوريغ فقط) هل هيلدريث-لو، الذي يحذف أول ملاحظات p (إجراء نموذج فقط) انظر الفصل 8. للحصول على شرح ومناقشة مزايا مختلف أساليب بدء التشغيل أر (p). يمكن إجراء كلس، أولس، مل، و أوليتيزاتيونس من قبل بروك نموذج. وبالنسبة لأخطاء أر (1)، يمكن إنتاج هذه التخصيصات كما هو مبين في الجدول 14.2. هذه الطرق تعادل في عينات كبيرة. الجدول 14.2: عمليات التهيئة التي يقوم بها المشروع النموذجي: أر (1) الأخطاء ما هي الشروط الأولية 13 13 13 13 13 13 يمكن أيضا أن تكون الفواصل الأولية لشروط الخطأ في نماذج ما (q) نموذجا بطرق مختلفة. يتم دعم نماذج بدء التشغيل المتوسط ​​المتوسط ​​التالية التالية من خلال إجراءات أريما و موديل: أولس المربعات الصغرى غير المشروطة كلس المشروط أقل مربعات الحد الأقصى احتمال مل الأسلوب المربعات الصغرى الشرطية لتقدير عبارات الخطأ المتوسط ​​المتحرك ليس الأمثل لأنه يتجاهل مشكلة بدء التشغيل. وهذا يقلل من كفاءة التقديرات، على الرغم من أنها تظل غير متحيزة. ويفترض أن المخلفات الأولية المتأخرة، التي تمتد قبل بدء البيانات، هي صفر، قيمتها المتوقعة غير المشروطة. ويحدث هذا فرقا بين هذه البقايا ومتبقي المربعات الصغرى المعمم في التباين المتوسط ​​المتوسط، الذي يستمر، على عكس نموذج الانحدار الذاتي، من خلال مجموعة البيانات. عادة هذا الاختلاف يتقارب بسرعة إلى 0، ولكن بالنسبة لعمليات المتوسط ​​المتحرك غير قابل للتحويل تقريبا التقارب بطيء جدا. لتقليل هذه المشكلة، يجب أن يكون لديك الكثير من البيانات، ويجب أن تكون تقديرات معامل المتوسط ​​المتحرك ضمن النطاق القابل للانعكاس. ويمكن تصحيح هذه المشكلة على حساب كتابة برنامج أكثر تعقيدا. ويمكن إنتاج تقديرات المربعات الصغرى غير المشروطة لعملية ما (1) عن طريق تحديد النموذج على النحو التالي: يمكن أن يكون من الصعب تقدير المتوسط ​​المتحرك للأخطاء. يجب أن تفكر في استخدام تقريب أر (p) لعملية المتوسط ​​المتحرك. ويمكن عادة أن تقترب عملية المتوسط ​​المتحرك بشكل جيد من عملية الانحدار الذاتي إذا لم يتم تمهيد أو اختلاف البيانات. الماكرو أر أر ساس الماكرو أر يولد بيانات البرمجة ل بروك موديل لنماذج الانحدار الذاتي. الماكرو أر هو جزء من برنامج ساسيتس ولا توجد خيارات خاصة تحتاج إلى تعيين لاستخدام الماكرو. ويمكن تطبيق عملية الانحدار الذاتي على أخطاء المعادلة الهيكلية أو إلى سلسلة الذاتية نفسها. الماكرو أر يمكن أن تستخدم لانحدار ذاتي أحادي المتحد غير مقصود أوتوريجريسيون تقييد ناقلات الاتجاه الذاتي. الانحراف التلقائي أحادي المتغير 13 لنمذجة خط الخطأ في المعادلة كعملية الانحدار الذاتي، استخدم العبارة التالية بعد المعادلة: على سبيل المثال، لنفترض أن Y هي دالة خطية من x1 و X2، و أر (2). يمكنك كتابة هذا النموذج على النحو التالي: يجب أن تأتي المكالمات إلى أر بعد كل المعادلات التي تنطبق عليها العملية. ويؤدي الاستدعاء الكلي الإجرائي، أر (y، 2)، إلى عرض البيانات المبينة في خرج ليست في الشكل 14.49. الشكل 14،50: ليست المخرجات الاختيارية لنموذج أر مع تأخيرات عند 1 و 12 و 13 هناك اختلافات في طريقة المربعات الصغرى المشروطة، اعتمادا على ما إذا كانت الملاحظات في بداية السلسلة تستعمل في 34 عملية صعود 34 عملية أر. وبشكل افتراضي، تستخدم طريقة المربعات الصغرى المشروطة أر جميع الملاحظات وتفترض أصفارا للتخلف الأولي لشروط الانحدار الذاتي. باستخدام الخيار M، يمكنك طلب استخدام أر طريقة المربعات الصغرى غير المشروطة (أولس) أو الحد الأقصى (مل) بدلا من ذلك. علی سبیل المثال: یتم توفیر مناقشات لھذه الطرائق في الشروط الأولیة 34AR في وقت سابق من ھذا القسم. وباستخدام الخيار مكلس n، يمكنك طلب استخدام أول ملاحظات n لحساب تقديرات الفترات الزمنية الأولية للانحراف الذاتي. في هذه الحالة، يبدأ التحليل بالملاحظة n 1. على سبيل المثال: يمكنك استخدام الماكرو أر لتطبيق نموذج الانحدار الذاتي على المتغير الداخلي، بدلا من مصطلح الخطأ، وذلك باستخدام الخيار تيبيف. على سبيل المثال، إذا كنت ترغب في إضافة الفواصل الخمسة الماضية من Y إلى المعادلة في المثال السابق، يمكنك استخدام أر لإنشاء المعلمات والتخلف باستخدام العبارات التالية: البيانات السابقة توليد الإخراج هو مبين في الشكل 14.51. قائمة الإجراءات النموذجية لبيان برمجية البرمجة المجمعة على النحو الذي تم تحليله PRED. yab x1 c x2 RESID. y PRED. y - ACTUAL. y ERROR. y PRED. y - y OLDPRED. y PRED. y yl1 ZLAG1 (y) yl2 ZLAG2 (y) ) yl3 ZLAG3 (y) yl4 ZLAG4 (y) yl5 ZLAG5 (y) RESID. y PRED. y - ACTUAL. y ERROR. y PRED. y - y الشكل 14.51: ليست مخرجات الخيار لنموذج أر من Y يتنبأ هذا النموذج Y كما مزيج خطي من X1، X2، اعتراض، وقيم Y في أحدث خمس فترات. استخلاص تلقائي غير متجه للناقلات 13 لنمذجة مصطلحات الخطأ لمجموعة من المعادلات كعملية انحدار تلقائي متجه، استخدم النموذج التالي من ماكرو أر بعد المعادلات: قيمة اسم العملية هي أي اسم تقدمه أر لاستخدامه في صنع أسماء معلمات الانحدار الذاتي. يمكنك استخدام ماكرو أر لنموذج عدة عمليات أر مختلفة لمجموعات مختلفة من المعادلات باستخدام أسماء عملية مختلفة لكل مجموعة. يضمن اسم العملية أن أسماء المتغيرات المستخدمة فريدة. استخدم قيمة اسم عملية قصيرة للعملية إذا كانت تقديرات المعامل ستكتب إلى مجموعة بيانات الإخراج. يحاول الماكرو أر إنشاء أسماء معلمات أقل من أو تساوي ثمانية أحرف، ولكن هذا يقتصر طول طول الاسم. والذي يستخدم كبادئة لأسماء معلمات أر. القيمة فاريابلليست هي قائمة المتغيرات الذاتية للمعادلات. على سبيل المثال، لنفترض أن أخطاء المعادلات Y1 و Y2 و Y3 يتم إنشاؤها بواسطة عملية الانحدار الذاتي للناقلات من الدرجة الثانية. يمكنك استخدام العبارات التالية: الذي يولد التالية ل Y1 ورمز مشابه ل Y2 و Y3: يمكن استخدام الأسلوب المربعات الصغرى الشرطية (مكلس أو مكلس n) لعمليات المتجه. يمكنك أيضا استخدام نفس النموذج مع القيود التي مصفوفة معامل تكون 0 في التأخر المحدد. فعلى سبيل المثال، تطبق العبارات عملية متجه من الدرجة الثالثة على أخطاء المعادلة مع جميع المعاملات عند التأخر 2 المقيدة على 0 ومع المعاملات عند الفارقين 1 و 3 غير المقيدة. يمكنك نموذج سلسلة Y1-Y3 الثلاث باعتبارها عملية الانحدار الذاتي المتجه في المتغيرات بدلا من الأخطاء باستخدام الخيار تيبيف. إذا كنت ترغب في نموذج Y1-Y3 كدالة للقيم الماضية Y1-Y3 وبعض المتغيرات الخارجية أو الثوابت، يمكنك استخدام أر لتوليد البيانات لشروط التأخر. اكتب معادلة لكل متغير للجزء نونوتريغريسيف من النموذج ثم قم باستدعاء أر مع الخيار تيبيف. على سبيل المثال، يمكن أن يكون الجزء غير التخريطي للنموذج دالة للمتغيرات الخارجية، أو قد يكون معلمات اعتراض. إذا لم تكن هناك مكونات خارجية لنموذج الانحدار الذاتي للناقل، بما في ذلك عدم وجود اعتراضات، ثم قم بتعيين صفر لكل من المتغيرات. يجب أن يكون هناك تخصيص لكل من المتغيرات قبل أن يسمى أر. ويوضح هذا المثال المتجه Y (Y1 Y2 Y3) كدالة خطية فقط لقيمته في الفترتين السابقتين ومجهز خطأ ضوضاء أبيض. النموذج لديه 18 (3 مرات 3 3 مرات 3) المعلمات. بناء الجملة من ماكرو أر هناك حالتان من بناء الجملة لل ماكرو أر. الأول يحتوي على اسم النموذج العام يحدد بادئة ل أر لاستخدامها في إنشاء أسماء المتغيرات اللازمة لتعريف عملية أر. إذا لم يتم تحديد إندوليست، فإن القائمة الذاتية افتراضيا للاسم. والتي يجب أن تكون اسم المعادلة التي سيتم تطبيق عملية خطأ أر. لا يمكن أن تتجاوز قيمة الاسم ثمانية أحرف. نلاغ هو ترتيب عملية أر. إندوليست يحدد قائمة المعادلات التي سيتم تطبيق عملية أر. إذا تم إعطاء أكثر من اسم واحد، يتم إنشاء عملية ناقلات غير مقيدة مع المخلفات الهيكلية من جميع المعادلات المدرجة على النحو المتراجعون في كل من المعادلات. إذا لم يتم تحديدها، افتراضيات إندوليست الاسم. يحدد لاجليست قائمة التأخيرات التي ستضاف إليها مصطلحات أر. يتم تعيين معاملات المصطلحات في فترات التأخر غير المدرجة إلى 0. يجب أن تكون جميع الفواصل المدرجة أقل من أو تساوي نلاغ. ويجب ألا تكون هناك نسخ مكررة. إذا لم يتم تحديدها، الافتراضي لاغليست لجميع يتخلف 1 خلال نلاغ. M أسلوب التقدير المطلوب تنفيذه. القيم الصالحة لل M هي كلس (تقديرات المربعات الصغرى المشروطة)، أولس (تقديرات المربعات الصغرى غير المشروطة)، و مل (تقديرات الاحتمالات القصوى). مكلس هو الافتراضي. يسمح فقط مكلس عندما يتم تحديد أكثر من معادلة واحدة. ولا تدعم طرائق أر و نواقل أر من قبل أر. يحدد تيبيف أن عملية أر يتم تطبيقها على المتغيرات الذاتية نفسها بدلا من المخلفات الهيكلية للمعادلات. تقييد الانحدار التلقائي المقيد 13 13 13 13 يمكنك التحكم في المعاملات التي يتم تضمينها في العملية وتقييد تلك المعلمات التي لا تتضمنها إلى 0. أولا استخدم أر مع خيار ديفر لإعلان قائمة المتغيرات وتحديد بعد العملية. ثم، استخدام المكالمات أر إضافية لتوليد مصطلحات للمعادلات المحددة مع المتغيرات المحددة في التأخر المحدد. على سبيل المثال، المعادلات الخطأ المنتجة هي هذا النموذج يشير إلى أن أخطاء Y1 تعتمد على أخطاء كل من Y1 و Y2 (ولكن ليس Y3) في كل من الفارقين 1 و 2، وأن الأخطاء ل Y2 و Y3 تعتمد على الأخطاء السابقة بالنسبة للمتغيرات الثلاثة جميعها، ولكن فقط عند الفارق الزمني 1. بنية ماكرو أر للمتجهات المقيدة أر يسمح باستخدام بديل لعنصر أر فرض قيود على عملية أر المتجهة عن طريق استدعاء أر عدة مرات لتحديد مصطلحات أر مختلفة والتخلف عن المعادلات المختلفة. المكالمة الأولى لها اسم النموذج العام يحدد بادئة ل أر لاستخدامها في إنشاء أسماء المتغيرات اللازمة لتعريف عملية أر المتجهات. نلاغ يحدد ترتيب عملية أر. إندوليست يحدد قائمة المعادلات التي سيتم تطبيق عملية أر. يحدد ديفير أن أر ليس لإنشاء عملية أر ولكن الانتظار للحصول على مزيد من المعلومات المحددة في وقت لاحق أر يدعو نفس القيمة الاسم. المكالمات اللاحقة لها اسم النموذج العام هو نفسه كما في المكالمة الأولى. يحدد إكليست قائمة المعادلات التي يجب أن تطبق عليها المواصفات الواردة في نداء أر هذا. يمكن فقط أن تظهر الأسماء المحددة في قيمة إندوليست للمكالمة الأولى لقيمة الاسم في قائمة المعادلات في إكليست. فارليست يحدد قائمة المعادلات التي يجب أن تدرج المخلفات الهيكلية المتخلفة كمؤخرات في المعادلات في إكليست. يمكن فقط أن تظهر الأسماء في إندوليست المكالمة الأولى لقيمة الاسم في فارليست. إذا لم يحدد، افتراضات فارليست إلى إندوليست. يحدد لاجليست قائمة التأخيرات التي ستضاف إليها مصطلحات أر. يتم تعيين معاملات المصطلحات عند التأخيرات غير المدرجة إلى 0. يجب أن تكون جميع الفواصل المدرجة أقل من أو تساوي قيمة نلاغ. ويجب ألا تكون هناك نسخ مكررة. إذا لم يتم تحديدها، لاغليست الافتراضية لجميع يتخلف 1 خلال نلاغ. ما ماكرو 13 ساس ماكرو ماك يولد بيانات البرمجة ل بروك نموذج لنماذج المتوسط ​​المتحرك. ماكرو ما هو جزء من برنامج ساسيتس ولا حاجة إلى خيارات خاصة لاستخدام الماكرو. ويمكن تطبيق عملية الخطأ المتوسط ​​المتوسط ​​على أخطاء المعادلة الهيكلية. بناء جملة ماكرو ما هو نفس الماكرو أر باستثناء عدم وجود وسيطة تايب. 13 عند استخدام ماك و أر وحدات الماكرو مجتمعة، ماكرو ما يجب اتباع ماكرو أر. تنتج عبارات ساسمل التالية عملية خطأ أرما (1، (1 3)) وحفظها في مجموعة البيانات مادات 2. وتستعمل عبارات بروك موديل التالية لتقدير معلمات هذا النموذج باستخدام أقصى بنية للخطأ المحتمل: ترد في الشكل 14.52 تقديرات المعلمات التي ينتجها هذا التشغيل. الحد الأقصى من احتمال أرما (1، (1 3)) الشكل 14.52: تقديرات من أرما (1، (1 3)) بناء الجملة العملية ماكرو ماك هناك حالتان من بناء الجملة ل ماكرو ما. الأول له اسم النموذج العام يحدد بادئة ل ما لاستخدامها في بناء أسماء المتغيرات اللازمة لتحديد عملية ما وهو إندوليست الافتراضي. نلاغ هو ترتيب عملية ما. إندوليست يحدد المعادلات التي سيتم تطبيق عملية ما. إذا تم إعطاء أكثر من اسم واحد، يتم استخدام تقدير كلس لعملية المتجه. يحدد لاجليست الفواصل الزمنية التي ستضاف إليها مصطلحات ما. يجب أن تكون جميع الفترات المدرجة أقل من أو تساوي نلاغ. ويجب ألا تكون هناك نسخ مكررة. إذا لم يتم تحديدها، الافتراضي لاغليست لجميع يتخلف 1 خلال نلاغ. M أسلوب التقدير المطلوب تنفيذه. القيم الصالحة لل M هي كلس (تقديرات المربعات الصغرى المشروطة)، أولس (تقديرات المربعات الصغرى غير المشروطة)، و مل (تقديرات الاحتمالات القصوى). مكلس هو الافتراضي. يسمح فقط مكلس عندما يتم تحديد أكثر من معادلة على إندوليست. ما ماكرو بناء الجملة للمتحرك المتجه متحرك متوسط ​​13 يسمح استخدام بديل من ما فرض قيود على عملية ما المتجه عن طريق استدعاء ما عدة مرات لتحديد مختلف الشروط ما والتخلف عن المعادلات المختلفة. المكالمة الأولى لها اسم النموذج العام يحدد بادئة ل ما لاستخدامها في بناء أسماء المتغيرات اللازمة لتعريف عملية ما المتجه. نلاغ يحدد ترتيب عملية ما. إندوليست يحدد قائمة المعادلات التي سيتم تطبيق عملية ما. يحدد دايفر أن ما ليس لتوليد عملية ما ولكن هو الانتظار للحصول على مزيد من المعلومات المحددة في ما لاحق يدعو لنفس القيمة الاسم. المكالمات اللاحقة لها اسم النموذج العام هو نفسه كما في المكالمة الأولى. إكليست يحدد قائمة المعادلات التي يتم تطبيق المواصفات في هذه الدعوة ما. فارليست يحدد قائمة المعادلات التي يجب أن تدرج المخلفات الهيكلية المتخلفة كمؤخرات في المعادلات في إكليست. يحدد لاجليست قائمة التأخيرات التي ستضاف إليها مصطلحات ما.