المتوسط المتحرك للانحدار الذاتي بت

نماذج الانحدار الذاتي المتكامل (أريما) 1. عرض حول موضوع: نماذج الانحدار الانحداري المتكامل المتحرك (أريما) 1. نص العرض: 2 2 - تقنيات التنبؤ على أساس التمهيد الأسي - الافتراض العام للنماذج المذكورة أعلاه: مجموع اثنين من مكونات متميزة (ديترمينيستك عشوائية) - الضوضاء العشوائية: ولدت من خلال الصدمات المستقلة لهذه العملية - في الممارسة: الملاحظات المتعاقبة تظهر الاعتماد المتسلسل 3 - تعرف نماذج أريما أيضا منهجية بوكس ​​جينكينز - شعبية جدا. ومناسبة لجميع السلاسل الزمنية تقريبا عدة مرات تولد توقعات أكثر دقة من الطرق الأخرى. - المؤشرات: إذا لم يكن هناك ما يكفي من البيانات، فإنها قد لا تكون أفضل في التنبؤ من التحلل أو الأساليب التمهيد الأسي. عدد الموصى بها من الملاحظات على الأقل ستراتياريتي مطلوب - مساواة بين الفواصل الزمنية 3 نماذج أريما 7 7 تصفية الخطية - وهي العملية التي تحول شت المدخلات، في الناتج يت - يتضمن التحويل القيم الماضية والحالية والمستقبلية للمدخلات في شكل الجمع مع أوزان مختلفة - Time ثابت لا تعتمد على الوقت - Vysically للتحقيق: الإخراج هو وظيفة خطية من القيم الحالية والسابقة للمدخلات - Stable إذا في مرشحات الخطية: ستراتاريتي من سلسلة الوقت الإدخال هو أيضا ينعكس في الإخراج 9 سلسلة زمنية تستوفي هذه الشروط تميل إلى العودة إلى متوسطها وتتذبذب حول هذا المتوسط ​​مع التباين المستمر. ملاحظة: يتطلب قطبية صارمة، بالإضافة إلى ظروف ضعف الاستقرارية، أن السلاسل الزمنية لديها لتحقيق المزيد من الشروط حول توزيعها بما في ذلك الانحراف، التفرطح الخ 9-التقاط التقطات من العملية في نقاط زمنية مختلفة مراقبة سلوكها: إذا مماثلة مع مرور الوقت ثم سلسلة زمنية ثابتة - A قوية يموت ببطء أسف تقترح الانحرافات عن ستاتيوناريتي تحديد ستاريتياريتي 12 اللانهائي متحرك متوسط ​​الإدخال شت ثابتة ثم، عملية خطية مع الضوضاء البيضاء سلسلة زمنية ر هو ثابت 12 الناتج يت ثابتة، مع ر صدمات عشوائية مستقلة، مع E (t) 0 14 14 المتوسط ​​المتحرك اللانهائي يخدم كفئة عامة من النماذج لأي سلسلة زمنية ثابتة ثوريم (وورد 1938): لا يمكن تمثيل أي سلسلة زمنية ثابتة ثابتة ضعيفة يت حيث يمكن رؤية سلسلة زمنية ثابتة (إنتربريتاتيون) كمتوسط ​​مرجح للاضطرابات الحالية والسابقة 15 15 المتوسط ​​المتحرك اللانهائي: - العملية لتقدير بلا حدود نحن الأوبئة - عدم في الممارسة باستثناء الحالات الخاصة: ط. متوسط ​​المتوسط ​​المتحرك (ما). أوزان تعيين إلى 0، باستثناء عدد محدود من الأوزان ثانيا. نماذج محدودية الانحدار الذاتي (أر): يتم توليد الأوزان باستخدام عدد محدود فقط من المعلمات إي. خليط من نماذج المتوسط ​​المتحرك ذات الانحدار الذاتي المحدود (أرما) 16 عملية النقل المتوسط ​​متوسط ​​(ما) عملية نقل متوسط ​​النظام q (ما (q)) ما (q). (q) أوتوكوفاريانس من ما (q) أوتوكوريلاتيون من ما (q) 17 t الضوضاء البيضاء 18 18 وظيفة أسف: يساعد على تحديد نموذج ما (ك) ليس دائما الصفر بعد تأخر ف يصبح صغيرا جدا في القيمة المطلقة بعد تأخر ف 19 أول أمر نقل متوسط ​​عملية ما (1) أوتوكوفاريانس من ما (q) أوتوكوريلاتيون من ما (q) 19 q1 20 20-ميان التباين. مستقر - المدى القصير حيث تميل الملاحظات المتعاقبة إلى اتباع بعضها البعض - الترابط الذاتي الإيجابي - التذبذب تتأرجح تباعا - الترابط الذاتي السالب 21 النظام الثاني معدل التحرك ما (2) عملية أوتوكوفاريانس من ما (q) أوتوكوريلاتيون من ما (ف) 21 23 أجل محدود الانحدار الذاتي عملية 23-نظرية العالم: عدد لا حصر له من الأوزان، وليس من المفيد في النمذجة التنبؤ - Finite أجل عملية ما: تقدير عدد محدود من الأوزان، وتعيين الآخر يساوي الصفر أقدم اضطراب عفا عليها الزمن للمراقبة المقبلة سوى عدد محدود من الاضطرابات تسهم في التيار قيمة سلسلة زمنية - Take في الاعتبار جميع الاضطرابات في الماضي. استخدام نماذج الانحدار الذاتي تقدير العديد من الأوزان التي لا نهاية لها التي تتبع نمطا واضحا مع عدد قليل من المعلمات 24 النظام الأول الانتعاش الذاتي العملية، أر (1) نفترض. فإن مساهمات الاضطرابات التي كانت في الماضي صغيرة بالمقارنة مع الاضطرابات الأخيرة التي شهدتها العملية تعكس تقلص حجم المساهمات من الاضطرابات في الماضي، من خلال مجموعة من العديد من الأوزان بلا حدود في أبعاد تنازلي، مثل ذي أوزان في الاضطرابات بدءا من الاضطراب الحالي والعودة في الماضي: 24 نمط الاضمحلال الأسي 25 النظام الأول الانتعاش الذاتي أر (1) أر (1) ثابتة إذا 25 حيث لماذا غير مؤلمة. 26 مين أر (1) دالة أوتوكوفاريانس أر (1) دالة الترابط الذاتي أر (1) 26 يكون ل أسف لعملية أر ثابتة (1) شكل انحطاط أسي 28 الانحدار الذاتي للهدف الثاني العملية، أر (2) 28 يمكن تمثيل هذا النموذج في شكل ما لا حصر له توفر شروط الاستبانة ل يت من حيث 1 2 لماذا 1. اللانهائي ما تطبيق 31 31 حلول تلبية الدرجة الثانية معادلة الفرق الخطي الحل. من حيث جذور 2 m1 و m2 من أر (2) ثابتة: حالة الاستقرارية ل كومبوراتس إيب: أر (2) تمثيل لا حصر له: 32 32 وظيفة أوتوكوفاريانس مين ل k0: ل k0: معادلات يول ووكر 0: يول المعادلات - Walker 0: معادلات يول ووكر 0: معادلات يول ووكر title32 مين أوتوكوفاريانس فونكتيون ل k0: بالنسبة إلى k0: معادلات يول ووكر 33 33 وظيفة الارتباط الذاتي الحلول أ. حل معادلات يول-ووكر بشكل متكرر B. الحل العام الحصول عليه من خلال الجذور m 1 m 2 المرتبطة متعدد الحدود 34 34 الحالة I: m 1، m 2 جذور حقيقية متميزة c 1، c 2 الثوابت: يمكن الحصول عليها من (0)، (1) الاستبانة: شكل أسف: خليط من 2 أضعافا مضاعفة شروط تسوس على سبيل المثال أر (2) نموذج يمكن أن ينظر إليه على أنه نموذج أر (1) المعدل الذي لا يكفي فيه تعبير أسي واحد للتفسخ كما هو الحال في أر (1) لوصف النمط في أسف وبالتالي، يضاف تعبير إضافي للتضمير من خلال إدخال الفارق الثاني y t-2 35 35 الحالة الثانية: m 1، m 2 تقارن معقدة في شكل ج 1، ج 2. ثوابت معينة شكل أسف: عامل التخميد الجيبية رطبة فترة التردد R 37 37 أر (2) عملية : يت 40.4yty t-2 إت جذور متعدد الحدود: شكل أسف الحقيقي: خليط من 2 شروط التحلل الأسي 38 38 أر (2) العملية: يت 40.8yty t-2 و جذور متعدد الحدود: اقتران معقدة شكل أسف: (P) 40 40 أر (P) ثابتة إذا كانت جذور متعدد الحدود أقل من 1 في القيمة المطلقة أر (P) المطلقة سومابل تمثيل لا نهائي لانهائي في ظل الحالة السابقة 43 43 أسف p من أجل معادلات الفرق الخطية أر (p). - satisfies معادلات يول ووكر - ACF يمكن العثور عليها من جذور p المرتبطة متعدد الحدود على سبيل المثال. جذور حقيقية متميزة. - بشكل عام فإن الجذور لن تكون حقيقية أسف. خليط من الانحطاط الأسي وجيب الجيوب 44 44 أسف - MA (q) العملية: أداة مفيدة لتحديد ترتيب عملية قطع بعد تأخر k - AR (p) العملية: خليط من الانحطاط الأسي تعبيرات جيبية تعثر فشل في تقديم معلومات حول النظام من أر 45 45 علاقة الترابط الذاتي الجزئي النظر في. المتغيرات العشوائية الثلاثية X و Y و Z - الانحدار السهل ل X على زي على Z يتم الحصول على الأخطاء من 46 46 العلاقة الجزئية بين زي بعد التعديل ل Z: ويمكن اعتبار العلاقة بين زي العلاقة الجزئية على أنها الارتباط بين متغيرين بعد (47) 47 دالة الترابط الذاتي الجزئي (باسف) بين يتي تك الترابط الذاتي بين تك يتي بعد ضبط y t-1، y t-2، y تك أر (p) بروسيس: باسف بين يتي تك بالنسبة إلى كب تساوي الصفر فكر في سلسلة زمنية ثابتة ليس بالضرورة عملية أر - بالنسبة إلى أي قيمة ثابتة k، ينبغي أن تكون معادلات يول ووكر ل أسف لعملية أر (p) p مساويا للصفر مراعاة - سلسلة زمنية ثابتة يت ليس بالضرورة عملية أر - لأي قيمة ثابتة k، معادلات يول ووكر ل أسف لعملية أر (p) 48 48 حلول تدوين المصفوفة لأي معامل k، k 1،2، يسمى المعامل الأخير الترابط الذاتي الجزئي معامل العملية في ل (k) أر (p) العملية: تحديد ترتيب عملية أر باستعمال المعطيات باسف 49 49 تقطع بعد نمط الانحطاط 1 (2) ما (1) ما (2) نمط الانحطاط أر (1) أر (2) ) تقطع بعد 2 ند تأخر 50 50 عكسية من نماذج ما قابل للانعكاس المتوسط ​​المتحرك عملية: ما (q) عملية غير قابل للانعكاس إذا كان لديه المطلق سومابل تمثيل لانهائي لا يمكن أن تظهر: تمثيل أر لانهائي لما (q) 51 51 الحصول على نحن بحاجة إلى حالة من العوائق جذور الحدود ذات الصلة تكون أقل من 1 في القيمة المطلقة ويمكن بعد ذلك يمكن كتابة ما (q) عملية لا يمكن قلبها باعتبارها عملية أر لانهائية 52 52 باسف من عملية ما (q) هو خليط من التعاريف الأسيوية تعبيرات جيبية رطبة في تحديد النموذج، استخدم كل من عينة العينة أسف باسف باسف ربما لا يقطع أبدا 53 53 الانحدار الذاتي المختلط (أرما) نموذج الحركة المتنقلة (أرما) نموذج أرما (p، q) ضبط نمط الانحطاط الأسي بإضافة بعض المصطلحات 54 54 ستاتيوناريتي من أرما (p، q) العملية المتعلقة بالمكون أر أرما (p، q) ثابتة إذا t (p، q) له تمثيل لا حصر له 55 55 إنفرتيبيليتي من أرما (p، q) عملية عكسية عملية أرما المتعلقة مكون ما تحقق من جذور متعدد الحدود إذا كان جذور متعدد الحدود أقل من واحد في القيمة المطلقة أرما جذور أقل من 1 في القيمة المطلقة ثم أرما (p، q) هو قابل للانعكاس له تمثيل لانهائي المعاملات: 60 60 عملية غير ثابتة ليس مستوى ثابت، تظهر سلوك متجانس مع مرور الوقت يت متجانسة، غير ثابتة إذا لم تكن ثابتة - الاختلاف الأول لها، وتيت - y t-1 (1-B) يت أو أعلى ترتيب الفروق بالوزن (1-B) ديت تنتج سلسلة زمنية ثابتة Y تي الانحدار الذاتي إنتغراتد المتوسط ​​المتحرك للنظام p، d، q أريما (p، d ، q) إذا كان الفرق d، ينتج وزن (1-B) ديت عملية ثابتة أرما (p، q) أريما (p، d، q) 61 61 عملية المشي العشوائي أريما (0،1،0) النموذج الثابت الاختلاف الأول يلغي الاعتماد التسلسلي ينتج عملية ضوضاء بيضاء 62 62 يت 20y t-1 و دلائل غير ثابتة p روسيس - عينة أسف. يموت ببطء - عينة باسف: كبيرة في الفارق الأول - عينة قيمة باسف في تأخر 1 قريب من 1 الفرق الأول - Time سلسلة مؤامرة من ث ر. ستاتيوناري - Sample أسف باسف: لا تظهر أي قيمة كبيرة - استخدام أريما (0،1،0) 63 63 عملية المشي العشوائي أريما (0،1،1) تمثيل إنفينيت أر، المشتقة من: أريما (0،1،1 ) (إما (1،1)): المعبر عنه كمتوسط ​​متحرك أسي مرجح (إوما) لجميع القيم السابقة 64 64 أريما (0،1،1) - متوسط ​​العملية يتحرك صعودا في الزمن - عينة أسف: ديس بطيئة نسبيا - عينة باسف: 2 قيم كبيرة في الفواصل الزمنية 1 2 - الفارق الأول يبدو ثابتة - عينة أسف باسف: نموذج ما (1) من شأنه أن يكون مناسبا للفرق الأول، و أسف قطع قبالة بعد أول نمط تأخر باسف تأخر نموذج ممكن : أر (2) التحقق من الجذورتقديم إلى أريما: نماذج غير موسمية أريما (p، d، q) التنبؤ المعادلة: نماذج أريما هي، من الناحية النظرية، الفئة الأكثر عمومية من النماذج للتنبؤ السلاسل الزمنية التي يمكن أن تكون لتكون 8220stationary8221 بواسطة (إذا لزم الأمر)، وربما بالاقتران مع التحولات غير الخطية مثل قطع الأشجار أو تفريغ (إذا لزم الأمر). المتغير العشوائي الذي هو عبارة عن سلسلة زمنية ثابت إذا كانت خصائصه الإحصائية ثابتة على مر الزمن. سلسلة ثابتة لا يوجد لديه اتجاه، والاختلافات حول متوسط ​​لها اتساع مستمر، وأنه يتلوى بطريقة متسقة. أي أن أنماطها الزمنية العشوائية القصيرة الأجل تبدو دائما بنفس المعنى الإحصائي. ويعني الشرط الأخير أن علاقاته الذاتية (الارتباطات مع انحرافاته السابقة عن المتوسط) تظل ثابتة على مر الزمن، أو على نحو مكافئ، أن طيف القدرة لا يزال ثابتا على مر الزمن. ويمكن أن ينظر إلى متغير عشوائي لهذا النموذج (كالمعتاد) على أنه مزيج من الإشارة والضوضاء، والإشارة (إذا كانت ظاهرة) يمكن أن تكون نمطا للانعكاس السريع أو البطيء، أو التذبذب الجيبية أو بالتناوب السريع في الإشارة ، ويمكن أن يكون لها أيضا عنصر موسمي. ويمكن النظر إلى نموذج أريما على أنه 8220filter8221 يحاول فصل الإشارة عن الضوضاء، ومن ثم يتم استقراء الإشارة إلى المستقبل للحصول على التنبؤات. ومعادلة التنبؤ أريما لسلسلة زمنية ثابتة هي معادلة خطية (أي الانحدار من نوع) تكون فيها المتنبؤات متخلفة عن المتغير التابع والتخلفات المتراكمة في أخطاء التنبؤ. وهذا هو: القيمة المتوقعة ل Y قيمة ثابتة ومرجحة لقيمة واحدة أو أكثر من القيم الأخيرة Y ومجموع مرجح لقيمة أو أكثر من القيم الأخيرة للأخطاء. إذا كانت المتنبئات تتكون فقط من قيم متخلفة من Y. هو نموذج الانحدار الذاتي النقي (8220self-regressed8221) النموذج، وهو مجرد حالة خاصة من نموذج الانحدار والتي يمكن تركيبها مع برامج الانحدار القياسية. على سبيل المثال، نموذج الانحدار الذاتي الأول (8220AR (1) 8221) ل Y هو نموذج انحدار بسيط يتغير فيه المتغير المستقل فقط بفترة واحدة (لاغ (Y، 1) في ستاتغرافيكس أو YLAG1 في ريجرسيت). إذا كان بعض المتنبؤات متخلفة من الأخطاء، وهو نموذج أريما فإنه ليس نموذج الانحدار الخطي، لأنه لا توجد طريقة لتحديد 8220 فترة قصيرة 8217s error8221 كمتغير مستقل: يجب أن تحسب الأخطاء على أساس فترة إلى فترة عندما يتم تركيب النموذج على البيانات. ومن وجهة نظر تقنية، فإن مشكلة استخدام الأخطاء المتأخرة كمنبئات هي أن التنبؤات النموذجية 8217s ليست وظائف خطية للمعاملات. رغم أنها وظائف خطية للبيانات السابقة. لذلك، يجب تقدير المعاملات في نماذج أريما التي تتضمن أخطاء متخلفة بطرق التحسين غير الخطية (8220hill-التسلق 8221) بدلا من مجرد حل نظام المعادلات. اختصار أريما لتقف على السيارات والانحدار المتكامل المتحرك المتوسط. ويطلق على الفترات المتأخرة في السلسلة المستقرة في معادلة التنبؤ مصطلحات كوتورغريسغريسيفيكوت، ويطلق على "أخطاء أخطاء التنبؤ" مصطلح "متوسط ​​التكلفة"، ويقال إن السلسلة الزمنية التي يجب أن تكون مختلفة لتكون ثابتة، هي عبارة عن نسخة متقاربة من سلسلة ثابتة. نماذج المشي العشوائي ونماذج الاتجاه العشوائي، ونماذج الانحدار الذاتي، ونماذج التجانس الأسي كلها حالات خاصة لنماذج أريما. ويصنف نموذج أريما نوناسونال على أنه نموذج كوتاريما (p، d، q) كوت حيث: p هو عدد مصطلحات الانحدار الذاتي، d هو عدد الاختلافات غير الموسمية اللازمة للاستبانة، و q هو عدد الأخطاء المتوقعة في التنبؤات معادلة التنبؤ. يتم بناء معادلة التنبؤ على النحو التالي. أولا، اسمحوا y تدل على الفرق د من Y. مما يعني: لاحظ أن الفرق الثاني من Y (حالة d2) ليس الفرق من 2 منذ فترات. بدلا من ذلك، هو الفرق الأول من الأول الفرق. وهو التناظرية منفصلة من مشتق الثاني، أي تسارع المحلي للسلسلة بدلا من الاتجاه المحلي. من حيث y. معادلة التنبؤ العامة هي: هنا يتم تعريف المعلمات المتوسطة المتحركة (9528217s) بحيث تكون علاماتها سلبية في المعادلة، وفقا للاتفاقية التي قدمها بوكس ​​وجينكينز. بعض الكتاب والبرمجيات (بما في ذلك لغة البرمجة R) تعريفها بحيث لديهم علامات زائد بدلا من ذلك. عندما يتم توصيل الأرقام الفعلية في المعادلة، لا يوجد أي غموض، ولكن من المهم أن نعرف 8217s الاتفاقية التي يستخدمها البرنامج الخاص بك عندما كنت تقرأ الإخراج. في كثير من الأحيان يتم الإشارة إلى المعلمات هناك من قبل أر (1)، أر (2)، 8230، و ما (1)، ما (2)، 8230 الخ لتحديد نموذج أريما المناسب ل Y. تبدأ من خلال تحديد ترتيب الاختلاف (د) الحاجة إلى توثيق السلسلة وإزالة الخصائص الإجمالية للموسمية، ربما بالاقتران مع تحول استقرار التباين مثل قطع الأشجار أو الانقسام. إذا كنت تتوقف عند هذه النقطة والتنبؤ بأن سلسلة ديفيرنتد ثابت، لديك مجرد تركيب المشي العشوائي أو نموذج الاتجاه العشوائي. ومع ذلك، قد لا تزال السلسلة المستقرة ذات أخطاء ذات علاقة ذاتية، مما يشير إلى أن هناك حاجة إلى بعض المصطلحات أر (p 8805 1) أندور بعض مصطلحات ما (q 8805 1) في معادلة التنبؤ. ستتم مناقشة عملية تحديد قيم p و d و q الأفضل لسلسلة زمنية معينة في الأقسام اللاحقة من الملاحظات (التي توجد روابطها في أعلى هذه الصفحة)، ولكن معاينة لبعض الأنواع من نماذج أريما نونسونالونال التي تواجه عادة ما يرد أدناه. أريما (1،0،0) من الدرجة الأولى نموذج الانحدار الذاتي: إذا كانت السلسلة ثابتة و أوتوكوريلاتد، وربما يمكن التنبؤ بها باعتبارها متعددة من قيمتها السابقة، بالإضافة إلى ثابت. معادلة التنبؤ في هذه الحالة هي 8230 الذي يتراجع Y على نفسه متأخرا بفترة واحدة. هذا هو 8220ARIMA (1،0،0) ثابت 8221 نموذج. إذا كان متوسط ​​Y هو الصفر، فإن المصطلح الثابت لن يتم تضمينه. إذا كان معامل الانحدار 981 1 موجبا وأقل من 1 في الحجم (يجب أن يكون أقل من 1 من حيث الحجم إذا كان Y ثابتا)، يصف النموذج سلوك التراجع المتوسط ​​الذي ينبغي التنبؤ فيه بقيمة 8217s للفترة التالية لتكون 981 1 مرة بعيدا عن متوسط ​​هذه الفترة قيمة 8217s. وإذا كان 981 1 سلبيا، فإنه يتنبأ بسلوك التراجع عن طريق تبديل الإشارات، أي أنه يتوقع أيضا أن يكون Y أقل من متوسط ​​الفترة التالية إذا كان أعلى من متوسط ​​هذه الفترة. في نموذج الانحدار الذاتي من الدرجة الثانية (أريما (2،0،0))، سيكون هناك مصطلح T-2 على اليمين كذلك، وهكذا. واعتمادا على علامات ومقدار المعاملات، يمكن أن يصف نموذج أريما (2،0،0) نظاما له انعكاس متوسط ​​يحدث بطريقة تتأرجح جيبيا، مثل حركة كتلة في فصل الربيع الذي يتعرض للصدمات العشوائية . أريما (0،1،0) المشي العشوائي: إذا كانت السلسلة Y ليست ثابتة، أبسط نموذج ممكن لذلك هو نموذج المشي العشوائي، والتي يمكن اعتبارها حالة الحد من نموذج أر (1) التي الانتكاس الذاتي معامل يساوي 1، أي سلسلة مع بلا حدود بطيئة متوسط ​​الانعكاس. ويمكن كتابة معادلة التنبؤ لهذا النموذج على النحو التالي: حيث يكون المصطلح الثابت هو متوسط ​​التغير من فترة إلى أخرى (أي الانجراف الطويل الأجل) في Y. ويمكن تركيب هذا النموذج كنموذج انحدار لا اعتراض يقوم فيه الفرق الأول من Y هو المتغير التابع. وبما أنه يشمل (فقط) اختلافا غير منطقي ومدة ثابتة، فإنه يصنف على أنه نموذج كوتاريما (0،1،0) مع ثابت. كوت نموذج المشي العشوائي بدون الانجراف سيكون أريما (0،1، 0) نموذج بدون نموذج أريسترجيسد من الدرجة الأولى (1-1،0): إذا كانت أخطاء نموذج المشي العشوائي مترابطة تلقائيا، ربما يمكن إصلاح المشكلة بإضافة فاصل واحد للمتغير التابع إلى معادلة التنبؤ - أي وذلك بتراجع الفارق الأول من Y على نفسه متأخرا بفترة واحدة. وهذا من شأنه أن يسفر عن معادلة التنبؤ التالية: التي يمكن إعادة ترتيبها إلى هذا هو نموذج الانحدار الذاتي من الدرجة الأولى مع ترتيب واحد من اختلاف غير منطقي ومدة ثابتة - أي. وهو نموذج أريما (1،1،0). أريما (0،1،1) دون تمهيد الأسي المستمر المستمر: اقترح استراتيجية أخرى لتصحيح الأخطاء أوتوكوريلاتد في نموذج المشي العشوائي من قبل نموذج تمهيد الأسي بسيط. تذكر أنه بالنسبة لبعض السلاسل الزمنية غير المستقرة (على سبيل المثال تلك التي تظهر تقلبات صاخبة حول متوسط ​​متغير ببطء)، فإن نموذج المشي العشوائي لا يؤدي كذلك إلى المتوسط ​​المتحرك للقيم السابقة. وبعبارة أخرى، فبدلا من أخذ الملاحظة الأخيرة كتوقعات الملاحظة التالية، من الأفضل استخدام متوسط ​​الملاحظات القليلة الأخيرة من أجل تصفية الضوضاء وتقدير المتوسط ​​المحلي بدقة أكبر. يستخدم نموذج التمهيد الأسي البسيط المتوسط ​​المتحرك المرجح أضعافا مضاعفة للقيم السابقة لتحقيق هذا التأثير. يمكن كتابة معادلة التنبؤ لنموذج التمهيد الأسي البسيط في عدد من الأشكال المكافئة رياضيا. واحد منها هو ما يسمى 8220 خطأ التصحيح 8221 النموذج، الذي يتم تعديل التوقعات السابقة في اتجاه الخطأ الذي قدمه: لأن ه ر - 1 ذ ر - 1 - 374 ر - 1 حسب التعريف، يمكن إعادة كتابة هذا كما في : وهو أريما (0،1،1) مع معادلة التنبؤ المستمر مع 952 1 1 - 945. وهذا يعني أنه يمكنك تناسب تمهيد الأسي بسيط من خلال تحديده باعتباره نموذج أريما (0،1،1) دون ثابت، ويقدر معامل ما (1) المقدر 1-ناقص ألفا في صيغة سيس. نذكر أن متوسط ​​عمر البيانات في التنبؤات قبل فترة واحدة هو 945 1 في نموذج سيس، وهذا يعني أنها سوف تميل إلى التخلف عن الاتجاهات أو نقاط التحول بنحو 1 945 فترات. ويترتب على ذلك أن متوسط ​​عمر البيانات في التنبؤات السابقة بفترة زمنية واحدة لنموذج أريما (0،1،1) بدون نموذج ثابت هو 1 (1 - 952 1). إذا، على سبيل المثال، إذا كان 952 1 0.8، متوسط ​​العمر هو 5. كما 952 1 النهج 1، يصبح النموذج أريما (0،1،1) بدون ثابت متوسط ​​متحرك طويل الأجل جدا، و 952 1 النهج 0 يصبح نموذج المشي العشوائي دون الانجراف. ما هو أفضل طريقة لتصحيح الارتباط الذاتي: إضافة المصطلحات أر أو إضافة مصطلحات ما في النموذجين السابقين نوقش أعلاه، تم إصلاح مشكلة أخطاء أوتوكوريلاتد في نموذج المشي العشوائي بطريقتين مختلفتين: عن طريق إضافة قيمة متخلفة من سلسلة مختلفة إلى المعادلة أو إضافة قيمة متأخرة لخطأ التنبؤ. النهج الذي هو أفضل قاعدة من الإبهام لهذا الوضع، والتي سيتم مناقشتها بمزيد من التفصيل في وقت لاحق، هو أن الارتباط الذاتي الإيجابي عادة ما يعامل بشكل أفضل بإضافة مصطلح أر إلى النموذج وعادة ما يعامل الارتباط الذاتي السلبي عن طريق إضافة ما المدى. في سلسلة الأعمال والاقتصاد الزمني، وغالبا ما تنشأ الارتباط الذاتي السلبي باعتباره قطعة أثرية من الاختلاف. (بشكل عام، يقلل الاختلاف من الارتباط الذاتي الإيجابي وربما يتسبب في التحول من الارتباط الذاتي الموجب إلى السالب). لذلك، فإن نموذج أريما (0،1،1)، الذي يكون فيه الاختلاف مصحوبا بمصطلح ما، غالبا ما يستخدم من أريما (1،1،0) نموذج. أريما (0،1،1) مع تمهيد الأسي المستمر المستمر مع النمو: من خلال تنفيذ نموذج سيس كنموذج أريما، كنت في الواقع كسب بعض المرونة. أولا وقبل كل شيء، ويسمح معامل ما (1) المقدرة لتكون سلبية. وهذا يقابل عامل تمهيد أكبر من 1 في نموذج سيس، وهو ما لا يسمح به عادة إجراء تركيب نموذج سيس. ثانيا، لديك خيار إدراج مدة ثابتة في نموذج أريما إذا كنت ترغب في ذلك، من أجل تقدير متوسط ​​الاتجاه غير الصفر. ويشتمل نموذج أريما (0،1،1) الثابت على معادلة التنبؤ: إن التنبؤات ذات الفترة الواحدة من هذا النموذج متشابهة نوعيا مع نموذج نموذج سيس، إلا أن مسار التنبؤات الطويلة الأجل عادة ما يكون (المنحدر يساوي مو) بدلا من خط أفقي. أريما (0،2،1) أو (0،2،2) دون تمهيد أسي خطية ثابتة: نماذج التجانس الأسية الخطية هي نماذج أريما التي تستخدم اثنين من الاختلافات نونسوناسونال بالتزامن مع الشروط ما. والفرق الثاني لسلسلة Y ليس مجرد الفرق بين Y وتخلف نفسها بفترتين، وإنما هو الفرق الأول من الاختلاف الأول - أي. التغيير في تغيير Y في الفترة t. وبالتالي، فإن الفارق الثاني من Y في الفترة t يساوي (Y t - Y t-1) - (Y t-1 - Y t-2) Y t - 2Y t-1 Y t-2. والفرق الثاني من الدالة المنفصلة يشبه مشتق ثان من دالة مستمرة: يقيس الدالة كوتاكسيليركوت أو كوتكورفاتوريكوت في الدالة عند نقطة معينة من الزمن. ويتنبأ نموذج أريما (0،2،2) دون توقع ثابت بأن الفارق الثاني من السلسلة يساوي دالة خطية لآخر خطأين متوقعين: يمكن إعادة ترتيبهما على النحو التالي: حيث يكون 952 1 و 952 2 هما (1) و ما (2) معاملات. هذا هو نموذج التجانس الأسي العام الخطية. أساسا نفس نموذج Holt8217s، و Brown8217s نموذج هو حالة خاصة. ويستخدم المتوسطات المتحركة المرجح أضعافا مضاعفة لتقدير كل من المستوى المحلي والاتجاه المحلي في هذه السلسلة. تتلاقى التوقعات على المدى الطويل من هذا النموذج مع خط مستقيم يعتمد ميله على متوسط ​​الاتجاه الملحوظ نحو نهاية السلسلة. أريما (1،1،2) دون ثابت خطي الاتجاه الاتجاه الأسي تمهيد. ويوضح هذا النموذج في الشرائح المصاحبة على نماذج أريما. فإنه يستقلب الاتجاه المحلي في نهاية السلسلة ولكن تسطح بها في آفاق التنبؤ أطول لإدخال مذكرة من المحافظة، وهي الممارسة التي لديها الدعم التجريبي. انظر المقال على كوهي في ذي تريند تريند وركسكوت غاردنر أند ماكنزي أند ذي كوغولدن رولكوت أرتيسترونغ إت آل. للتفاصيل. فمن المستحسن عموما التمسك النماذج التي لا يقل عن واحد من p و q لا يزيد عن 1، أي لا تحاول أن تناسب نموذج مثل أريما (2،1،2)، وهذا من المرجح أن يؤدي إلى الإفراط في تجهيز وكومكومون-فاكتوركوت القضايا التي نوقشت بمزيد من التفصيل في الملاحظات على الهيكل الرياضي لنماذج أريما. تنفيذ جدول البيانات: من السهل تنفيذ نماذج أريما مثل تلك الموضحة أعلاه على جدول بيانات. ومعادلة التنبؤ هي مجرد معادلة خطية تشير إلى القيم السابقة للسلاسل الزمنية الأصلية والقيم السابقة للأخطاء. وهكذا، يمكنك إعداد جدول بيانات تنبؤ أريما عن طريق تخزين البيانات في العمود ألف، وصيغة التنبؤ في العمود باء، والأخطاء (البيانات ناقص التنبؤات) في العمود C. وستكون صيغة التنبؤ في خلية نموذجية في العمود باء ببساطة تعبير خطي يشير إلى القيم في الصفوف السابقة من العمودين A و C مضروبا في معاملات أر أو ما المناسبة المخزنة في خلايا في مكان آخر على جدول البيانات. تحسين متوسط ​​عمليات الخطأ 13 13 13 13 13 13 عمليات الانحدار الذاتي للعمليات المتحركة للخطأ (أخطاء أرما ) والنماذج الأخرى التي تنطوي على تأخر في شروط الخطأ يمكن تقديرها باستخدام بيانات فيت والمحاكاة 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 نموذج أرما (p، q) يمكن أن يكون 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: التهيئة التي يقوم بها المشروع النموذجي: أر (1) الأخطاء ما هي الشروط الأولية 13 13 13 13 13 13 يمكن أيضا أن تكون النماذج الأولية لخطأ الأخطاء 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. يمكن 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 ب 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. التي 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 من خلال 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 لنفس 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 باستعمال أقصى بنية للخطأ المحتمل: وترد في الشكل 14-52 تقديرات المعلمات الناتجة عن هذا المدى. 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.