الانحدار الحركة من المتوسط الاختلاف

الانحدار الذاتي المتكامل المتوسط ​​المتحرك - ARIMA. DEFINITION من معدل الانحدار الذاتي المتكامل المتحرك - ARIMA. A نموذج التحليل الإحصائي الذي يستخدم بيانات السلاسل الزمنية للتنبؤ بالاتجاهات المستقبلية وهو شكل من أشكال تحليل الانحدار الذي يسعى للتنبؤ بالتحركات المستقبلية على طول المشي العشوائي على ما يبدو التي اتخذتها الأسهم والسوق المالي من خلال فحص الاختلافات بين القيم في السلسلة بدلا من استخدام قيم البيانات الفعلية ويشار إلى التأخر في سلسلة مختلفة باسم الانحدار الذاتي والتخلف ضمن البيانات المتوقعة يشار إليها باسم المتوسط ​​المتحرك. بريكينغ دون الانحدار الذاتي المتوسط ​​المتحرك المتكامل - أريما ويشار عادة إلى هذا النوع من النموذج باسم أريما p، d، q، مع الأعداد الصحيحة التي تشير إلى أجزاء الانحدار الذاتي المتكاملة والانتقال من مجموعة البيانات، على التوالي أريما النمذجة يمكن أن تأخذ في الاعتبار الاتجاهات والدورات الموسمية والأخطاء وغير ثابتة جوانب مجموعة البيانات عند وضع التنبؤات. مقدمة إلى نماذج أريما نونسونالونال. أريما p، d، q فوريك معادلة أستنغ تعتبر نماذج أريما من الناحية النظرية الفئة الأكثر عمومية من النماذج للتنبؤ بسلسلة زمنية يمكن أن تكون ثابتة من خلال الاختلاف إذا لزم الأمر، وربما بالتزامن مع التحولات غير الخطية مثل قطع الأشجار أو التفريغ إذا لزم الأمر متغير عشوائي هو تكون السلاسل الزمنية ثابتة إذا كانت خصائصها الإحصائية ثابتة على مر الزمن فالسلسلة الثابتة ليس لها أي اتجاه، حيث أن اختلافاتها حول متوسطها لها اتساع ثابت، وهي تتلائم بطريقة متسقة، أي أن أنماطها الزمنية العشوائية قصيرة الأجل تبدو دائما نفسها بمعنى إحصائي يعني هذا الشرط الأخير أن ارتباطات الترابط الذاتي مع انحرافاته السابقة عن المتوسط ​​تظل ثابتة على مر الزمن أو على نحو مكافئ أن طيفه من الطاقة يبقى ثابتا بمرور الوقت ويمكن النظر إلى المتغير العشوائي لهذا النموذج كالمعتاد كجمع من الإشارة والضوضاء، والإشارة إذا كان أحد هو واضح يمكن أن يكون نمط سريع أو بطيء متوسط ​​الانعكاس، أو أوزيلات الجيبية أيون، أو بالتناوب السريع في علامة، ويمكن أن يكون أيضا مكون موسمية ويمكن النظر إلى نموذج أريما كمرشح الذي يحاول فصل إشارة من الضوضاء، ثم يتم استقراء إشارة إلى المستقبل للحصول على التنبؤات. و أريما فإن التنبؤ بمعادلة سلسلة زمنية ثابتة هو معادلة خطية من نوع الانحدار تكون فيها المتنبؤات متخلفة للمتغير التابع أو متخلفة عن أخطاء التنبؤات هذه هي القيمة المؤكدة لل Y ثابتة أو مجموع مرجح واحد أو قيم أكثر حداثة من Y و أو مجموع مرجح واحد أو أكثر من القيم الأخيرة للأخطاء. إذا كانت المتنبئات تتكون فقط من القيم المتخلفة من Y هو نموذج الانحدار الذاتي النقي الانحدار الذاتي، وهو مجرد حالة خاصة لنموذج الانحدار والتي يمكن تركيبها مع برامج الانحدار القياسية على سبيل المثال، نموذج الانحدار الذاتي الأول أر 1 ل Y هو نموذج الانحدار البسيط الذي المتغير المستقل هو فقط Y تخلفت بفترة واحدة لاغ Y، 1 في ستاتغرافيكس أو Y LAG1 في ريجرسيت إذا كان بعض المتنبؤات متخلفة من الأخطاء، وهو نموذج أريما فإنه ليس نموذج الانحدار الخطي، لأنه لا توجد طريقة لتحديد خطأ الفترة الماضية s كمتغير مستقل يجب أن تحسب الأخطاء على فترة إلى على أساس دوري عندما يكون النموذج مثبتا على البيانات من وجهة النظر التقنية، فإن المشكلة المتعلقة باستخدام الأخطاء المتخلفة كتنبؤات هي أن تنبؤات النموذج ليست وظائف خطية للمعاملات على الرغم من أنها وظائف خطية للبيانات السابقة لذا، فإن المعاملات في نماذج أريما التي تتضمن أخطاء متخلفة يجب تقديرها من خلال أساليب التحسين اللاخطية هيل-تسلق بدلا من مجرد حل نظام من المعادلات. الاسم المختصر أريما لتقف على الانحدار السيارات المتكاملة الانحدار المتوسط ​​المتحرك من سلسلة مستقر في معادلة التنبؤ وتسمى الانتكاس الذاتي المصطلحات، وتراخي أخطاء التنبؤ تسمى المصطلحات المتحركة المتوسطة، وسلسلة زمنية التي يجب أن تكون مختلفة لتكون ثابتة أن يقال أن تكون إنت نسخة مبشور من سلسلة ثابتة المشي العشوائي ونماذج الاتجاه العشوائي، ونماذج الانحدار الذاتي، ونماذج التمهيد الأسي كلها حالات خاصة من نماذج أريما. ويصنف نموذج أريما نوناسونال كما أريما p، د، ف نموذج، حيث هو فإن عدد مصطلحات الانحدار الذاتي d هو عدد الاختلافات غير المنطقية اللازمة للاستبانة، و. ق هو عدد أخطاء التنبؤات المتأخرة في معادلة التنبؤ. وتنشأ معادلة التنبؤ على النحو التالي أولا، اسمحوا y تدل على الفرق d من Y وهذا يعني. لاحظ أن الفرق الثاني من حالة Y د 2 ليس الفرق من 2 منذ فترات بدلا من ذلك، هو الفرق الأول من الأول الفرق الذي هو التناظرية منفصلة من مشتق الثاني، أي المحلية تسارع السلسلة بدلا من اتجاهها المحلي. من حيث y معادلة التنبؤ العامة هي. هنا يتم تعريف المتوسط ​​المتحرك المتوسط ​​s بحيث تكون علاماتها سلبية في المعادلة، وفقا للاتفاقية التي قدمها بوكس ​​وجين كينس بعض المؤلفين والبرمجيات بما في ذلك لغة البرمجة R تعريف لهم بحيث لديهم علامات زائد بدلا من ذلك عندما يتم توصيل الأرقام الفعلية في المعادلة، لا يوجد أي غموض، ولكن من المهم أن تعرف أي اتفاقية يستخدم البرنامج الخاص بك عندما كنت تقرأ الإخراج في كثير من الأحيان يتم الإشارة إلى المعلمات هناك من قبل أر 1، أر 2، و ما 1، ما 2، إلخ. لتحديد نموذج أريما المناسب ل Y تبدأ بتحديد ترتيب الفرق الحاجة إلى استقرارية السلسلة وإزالة الميزات الإجمالية من الموسمية، وربما بالتزامن مع التحول استقرار التباين مثل قطع الأشجار أو الانقسام إذا كنت تتوقف عند هذه النقطة والتنبؤ بأن سلسلة مختلفة هو ثابت، لديك مجرد تركيب المشي العشوائي أو نموذج الاتجاه العشوائي ومع ذلك، فإن سلسلة ثابتة قد لا تزال أوتوكورلاتد الأخطاء، مما يشير إلى أن بعض عدد من المصطلحات أر p 1 و أو بعض عدد الشروط ما q 1 هناك حاجة أيضا في معادلة التنبؤ. عملية تحديد ث ستتم مناقشة قيم e و d و q التي هي الأفضل لسلسلة زمنية معينة في أقسام لاحقة من الملاحظات التي توجد روابط في أعلى هذه الصفحة، ولكن معاينة لبعض أنواع نماذج أريما غير الموسمية التي هي عادة ما يعطى أدناه. أريما 1،0،0 نموذج الانحدار الذاتي من الدرجة الأولى إذا كانت السلسلة ثابتة و أوتوكوريلاتد، وربما يمكن توقعها بأنها متعددة من قيمتها السابقة، بالإضافة إلى ثابت معادلة التنبؤ في هذه الحالة. وهو Y تراجع على نفسه متخلفا بفترة واحدة هذا نموذج أريما 1،0،0 ثابت إذا كان متوسط ​​Y هو صفر، فإن المصطلح الثابت لن يتم تضمينه. إذا كان معامل الانحدار 1 موجبا وأقل من 1 في يجب أن يكون حجمه أقل من 1 في الحجم إذا كان Y ثابتا، يصف النموذج سلوك التراجع المتوسط ​​الذي ينبغي التنبؤ فيه بقيمة الفترة التالية لتكون 1 مرة بعيدا عن المتوسط ​​كقيمة هذه الفترة s إذا كان 1 سالبا، فإنه يتنبأ سلوك عودته مع التناوب من علامة s، أي أنها تتوقع أيضا أن Y سيكون أقل من متوسط ​​الفترة التالية إذا كان أعلى من متوسط ​​هذه الفترة. في نموذج الدرجة الثانية من الانحدار الذاتي أريما 2،0،0، سيكون هناك مصطلح تي تي -2 على اليمين فضلا عن ذلك، اعتمادا على علامات ومقدار المعاملات، يمكن أن يصف نموذج 2،0،0 أريما نظاما له انعكاس متوسط ​​يحدث بطريقة تتأرجح جيبيا، مثل حركة كتلة في فصل الربيع الذي هو تعرض 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، إي سلسلة مع بلا حدود بطيئة متوسط ​​انعكاس يمكن التنبؤ معادلة التنبؤ لهذا النموذج as. where المصطلح الثابت هو متوسط ​​الفترة إلى فترة التغيير أي الانجراف على المدى الطويل في Y يمكن تركيب هذا النموذج باعتباره نموذج الانحدار عدم اعتراض الذي الفرق الأول من Y هو د المتغير المتغير لأنه يتضمن فقط اختلافا غير منطقي ومدة ثابتة، يصنف على أنه نموذج أريما 0،1،0 مع ثابت نموذج المشي العشوائي بدون الانجراف سيكون نموذج أريما 0،1،0 بدون ثابت. أريما 1،1،0 اختلافا عن نموذج الانحدار الذاتي من الدرجة الأولى إذا كانت أخطاء نموذج المشي العشوائي هي أوتوكورلاتد، ربما يمكن إصلاح المشكلة عن طريق إضافة تأخر واحد من المتغير التابع إلى معادلة التنبؤ - أي عن طريق التراجع عن الاختلاف الأول من Y على نفسها متخلفة 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 نونسوناسونال ومدة ثابتة - أي نموذج أريما 1،1،0.ARIMA 0،1،1 دون التمهيد الأسي المستمر المستمر وهناك استراتيجية أخرى لتصحيح الأخطاء أوتوكوريلاتد في نموذج المشي العشوائي يقترحها نموذج تمهيد الأسي بسيط أذكر أن لبعض السلاسل الزمنية غير المستقرة مثل تلك التي تظهر فلوك صاخبة والتغييرات حول متوسط ​​متغير ببطء، ونموذج المشي العشوائي لا يؤدي فضلا عن المتوسط ​​المتحرك للقيم الماضية وبعبارة أخرى، بدلا من أخذ أحدث الملاحظة كما توقعات الملاحظة التالية، فمن الأفضل استخدام متوسط من الملاحظات القليلة الأخيرة من أجل تصفية الضوضاء وتقدير أكثر دقة للمتوسط ​​المحلي يستخدم نموذج التمهيد الأسي البسيط متوسطا متحركا 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 شكل تصحيح الخطأ، حيث يتم تعديل التوقعات السابقة في اتجاه الخطأ الذي قدمته. لأن e t-1 Y t-1 - t-1 حسب التعريف، وهذا يمكن إعادة كتابة as. which هو أريما 0،1،1 - without ثابت معادلة التنبؤ مع 1 1 - وهذا يعني أنه يمكنك تناسب تمهيد الأسي بسيط من خلال تحديده باعتباره أريما 0،1،1 نموذج دون المخروط ، ويقدر معامل ما 1 المقدر 1-ناقص ألفا في صيغة سيس تذكر أنه في نموذج سيس، متوسط ​​عمر البيانات في التنبؤات قبل فترة واحدة هو 1 يعني أنها سوف تميل إلى التخلف اتجاهات أو نقاط التحول بنحو 1 فترات ويترتب على ذلك أن متوسط ​​عمر البيانات في 1-الفترة السابقة التوقعات لنموذج أريما 0،1،1-بدون ثابت هو 1 1 - 1 لذلك، على سبيل المثال، إذا 1 0 8، متوسط ​​العمر هو 5 كمقاربات 1، يصبح النموذج أريما 0،1،1 - without-كونتراكت متوسطا متحركا طويل الأمد جدا، وكما يقترب من 1 يصبح يصبح المشي العشوائي بدون انحراف موديل. ما هي أفضل طريقة لتصحيح الارتباط الذاتي بإضافة مصطلحات أر أو إضافة مصطلحات ما في النموذجين السابقين اللذين تمت مناقشتهما أعلاه، تم إصلاح مشكلة الأخطاء ذات الصلة في نموذج المشي العشوائي بطريقتين مختلفتين بإضافة قيمة متخلفة من الاختلاف سيريز إلى المعادلة أو إضافة قيمة متخلفة من خطأ التنبؤ أي النهج هو الأفضل قاعدة-الإبهام لهذا s فإن التوزيعة التي ستتم مناقشتها بمزيد من التفصيل في وقت لاحق هي أن الترابط الذاتي الإيجابي عادة ما يعامل بشكل أفضل بإضافة مصطلح أر إلى النموذج وعادة ما يعامل الارتباط الذاتي السلبي من خلال إضافة مصطلح ما في سلسلة الأعمال والوقت الاقتصادي، تنشأ كقطعة أثر من الاختلافات بشكل عام، الاختلاف يقلل من الارتباط الذاتي الإيجابي وربما حتى يسبب التحول من الإيجابية إلى السلبية الترابط الذاتي لذلك، أريما 0،1،1 النموذج، الذي يرافق اختلاف مع مصطلح ماجستير، وغالبا ما تستخدم من نموذج أريما 1،1،0.ARIMA 0،1،1 مع تمهيد الأسي المستمر المستمر مع النمو من خلال تنفيذ نموذج سيس كنموذج أريما، كنت في الواقع الحصول على بعض المرونة أولا وقبل كل شيء، يسمح معامل ما 1 المقدرة لتكون سلبي يقابل ذلك عامل تمهيد أكبر من 1 في نموذج سيس الذي لا يسمح به عادة إجراء تركيب نموذج سيس. ثانيا، لديك خيار تضمين عبارة ثابتة في t هو نموذج أريما إذا كنت ترغب في ذلك، من أجل تقدير متوسط ​​الاتجاه غير الصفر نموذج أريما 0،1،1 مع ثابت لديه التنبؤ المعادلة. التوقعات فترة واحدة قبل هذا النموذج هي مماثلة نوعيا لتلك التي من سيس نموذج، إلا أن مسار التوقعات على المدى الطويل هو عادة خط المنحدر الذي المنحدر يساوي مو بدلا من خط أفقي. أريما 0،2،1 أو 0،2،2 دون ثابت الأسي الخطي التمهيد نماذج التجانس الأسي الخطي هي نماذج أريما التي تستخدم اثنين من الاختلافات نونسوناسونال بالتزامن مع الشروط ما الفرق الثاني من سلسلة Y ليس مجرد الفرق بين Y وتخلف نفسها بفترتين، وإنما هو الفرق الأول من الفرق الأول - تغيير - y-t-y-t-y-t-Y-t-y-t-Y-t-y-t-y-t-y-t - -2 والفرق الثاني لوظيفة منفصلة مشابه لمشتقة ثانية من دالة مستمرة تقيسها ريس التسارع أو انحناء في وظيفة في نقطة معينة في time. The أريما 0،2،2 نموذج دون ثابت يتوقع أن الفرق الثاني من سلسلة يساوي الدالة الخطية من الماضي اثنين من الأخطاء المتوقعة. التي يمكن إعادة ترتيبها كما. حيث 1 و 2 هما معاملات ما 1 و ما 2 هذا هو نموذج تمهيد أسي خطي عام أساسا نفس نموذج هولت، ونموذج براون هو حالة خاصة ويستخدم المتوسطات المتحركة المرجح أضعافا مضاعفة لتقدير كل من المستوى المحلي و الاتجاه المحلي في سلسلة التوقعات على المدى الطويل من هذا النموذج تتلاقى إلى خط مستقيم الذي المنحدر يعتمد على الاتجاه المتوسط ​​لوحظ نحو نهاية السلسلة. أريما 1،1،2 دون ثابت خطي الاتجاه الاتجاه الأسي تمهيد. هذا النموذج هو موضح في الشرائح المصاحبة على نماذج أريما فإنه يستقلب الاتجاه المحلي في نهاية السلسلة ولكن يسطح بها في آفاق التنبؤ الأطول لتقديم مذكرة من المحافظة، وهي الممارسة التي لديها الدعم التجريبي انظر المقال حول لماذا الاتجاه المخفف يعمل من قبل غاردنر و ماكنزي و المادة القاعدة الذهبية من قبل أرمسترونغ وآخرون للحصول على التفاصيل. ومن المستحسن عموما التمسك النماذج التي واحدة على الأقل من p و q لا أكبر من 1، أي القيام به لا تحاول أن تناسب نموذج مثل أريما 2،1،2، وهذا من المرجح أن يؤدي إلى الإفراط في العمل والقضايا عامل مشترك التي نوقشت بمزيد من التفصيل في الملاحظات على الهيكل الرياضي من نماذج أريما. سبريدشيت تنفيذ نماذج أريما مثل كما هو موضح أعلاه سهلة التنفيذ على جدول بيانات معادلة التنبؤ هي مجرد معادلة خطية تشير إلى القيم السابقة من سلسلة زمنية الأصلية والقيم السابقة للأخطاء وهكذا، يمكنك إعداد جدول بيانات التنبؤ أريما عن طريق تخزين البيانات في العمود ألف، وصيغة التنبؤ الواردة في العمود باء، وبيانات الأخطاء مطروحا منها التنبؤات الواردة في العمود "ج". إن صيغة التنبؤ في خلية نمطية في العمود B ستكون مجرد تعبير خطي يشير إلى قيم في الصفوف السابقة من العمودين A و C ، مضروبا في المعاملات أر أو ما المناسب المخزنة في خلايا في مكان آخر على جدول البيانات. عمليات الانتهاك المتوسط ​​الخطأ الأخطاء أرما الأخطاء والنماذج الأخرى التي تنطوي على التأخر في شروط الخطأ يمكن تقديرها باستخدام بيانات فيت ومحاكاة أو التنبؤ باستخدام عبارات سولف أرما وغالبا ما تستخدم نماذج لعملية الخطأ للنماذج مع بقايا أوتوكوريلاتد الماكرو أر يمكن استخدامها لتحديد نماذج مع عمليات خطأ الانحدار الذاتي يمكن استخدام ماكرو ما لتحديد نماذج مع التحركات المتوسط ​​المتوسط ​​الخطأ. Auroregressive إرورس. أخطاء أرتجاع الانحدار النظام، أر 1، لديه النموذج. في حين أن عملية خطأ أر 2 لديه شكل. وهكذا دواليك لعمليات أعلى ترتيب لاحظ أن s مستقلة وموزعة بشكل متطابق ولها قيمة المتوقعة من 0.على سبيل المثال نموذج مع عنصر أر 2 هو. وهكذا دواليك لعمليات أعلى ترتيب. على سبيل المثال، يمكنك كتابة نموذج الانحدار الخطي بسيط مع ما 2 تتحرك متوسط ​​الأخطاء as. where MA1 و MA2 هما معلمات المتوسط ​​المتحرك. لاحظ أن ريسيد Y يتم تعريفها تلقائيا بواسطة بروك موديل كما. لاحظ أن ريسيد Y سالب. يجب استخدام الدالة زلاغ في نماذج ما لاقتطاع تكرارات التأخر هذا يضمن أن تبدأ الأخطاء المتأخرة عند الصفر في طور التأخر ولا تنشر القيم المفقودة عندما تكون متغيرات فترة التأخر مفقودة، وتضمن أن تكون الأخطاء المستقبلية صفرا بدلا من أن تكون مفقودة أثناء المحاكاة أو التنبؤ. للحصول على تفاصيل حول وظائف التأخر، انظر قسم لاغ Logic. This النموذج المكتوب باستخدام ماكرو ما هو على النحو التالي. الاستمارة العامة ل أرما الموديلات. العام أرما p، q العملية لديه النموذج التالي. أرما p، q نموذج يمكن تحديدها على النحو التالي. حيث أر i و ما j يمثل الانحدار الذاتي والمتوسط ​​المتحرك للمعدلات المتخلفة المختلفة يمكنك استخدام أي أسماء تريدها لهذه المتغيرات، وهناك العديد من الطرق المماثلة التي يمكن أن تكون مكتوبة للمواصفات. ويمكن أيضا تقدير العمليات فيكتور أرما مع بروك موديل على سبيل المثال، يمكن تحديد عملية أر 1 المتغيرة لأخطاء المتغيرين الداخليين Y1 و Y2 على النحو التالي. التحديات مشاكل مع نماذج أرما. يمكن أن يكون من الصعب تقدير نماذج أرما إذا لم تكن تقديرات المعلمة ضمن ، فإن المصطلحات المتبقية للنموذج المتوسط ​​المتحرك تنمو أضعافا مضاعفة. ويمكن أن تكون المخلفات المحسوبة لعمليات الرصد اللاحقة كبيرة جدا أو يمكن تجاوزها إما لأن قيم الانطلاق غير الملائمة قد استخدمت أو لأن التكرارات قد ابتعدت عن القيم المعقولة. في اختيار قيم البداية للمعلمات أرما تبدأ قيم 0 001 للمعلمات أرما عادة إذا كان النموذج يلائم البيانات جيدا والمشكلة مكيفة جيدا ويلاحظ أنه يمكن في كثير من الأحيان تقريب نموذج ما بواسطة نموذج أر عالي الترتيب والنائب فيرسا هذا يمكن أن يؤدي إلى ارتفاع الخطية المتداخلة في نماذج أرما مختلطة، والتي بدورها يمكن أن يسبب سوء تكييف خطير في الحسابات وعدم استقرار تقدير 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 مسبقة معقولة إذا كان متاحا بعد ذلك، استخدم بيان فيت آخر لتقدير معلمات أرما فقط، باستخدام قيم المعلمات الهيكلية من المدى الأول نظرا لأن قيم المعلمات الهيكلية من المرجح أن تكون قريبة من تقديراتها النهائية، قد تتقارب تقديرات معلمة أرما الآن وأخيرا، استخدم بيان فيت آخر إلى تنتج تقديرات متزامنة لجميع المعلمات نظرا لأن القيم الأولية للمعلمات من المرجح الآن أن تكون قريبة جدا من تقديراتها النهائية المشتركة، ينبغي أن تتلاقى التقديرات بسرعة إذا كان النموذج مناسبا للبيانات. AR الشروط الأولية. التخلف الأولي يمكن أن تكون نماذج الخطأ من نماذج أر p على غرار بطرق مختلفة أساليب بدء الانحدار خطأ خطأ بدعم من إجراءات ساس إتس هي ث ه التالية. مشروطة المربعات الصغرى أريما و MODEL. conconditional المربعات الصغرى أوتوريغ، أريما، وإجراءات نموذج. أقصى احتمال أوتوريغ، أريما، وإجراءات موديل. يول ووكر إجراء أوتوريغ فقط. هيلدريث لو، الذي يحذف أول ملاحظات P نموذج إجراء فقط. الاطلاع على الفصل 8، الإجراء أوتوريغ، للحصول على شرح ومناقشة مزايا مختلف أساليب بدء التشغيل أر p. The كلس، أولس، مل، و هل يمكن إجراء عمليات تهيئة هل من قبل بروك موديل لأخطاء أر 1، يمكن لهذه التهيئة على النحو المبين في الجدول 18 2 هذه الطرائق مكافئة في عينات كبيرة. الخيار 18 2 التهيئة التي يتم تنفيذها بواسطة بروك موديل أر 1 الأخطاء. ويمكن أيضا التأخير الأولي لشروط الخطأ في نماذج ما q بأسلوب مختلف. يتم دعم متوسط ​​أخطاء بدء التشغيل نماذج من قبل أريما و MODEL. ONcononditional المربعات الصغرى. المربعات الصغرى المشروط. الطريقة المربعات الصغرى الشرطية لتقدير المصطلحات الخطأ المتوسط ​​المتوسط ​​ليست الأمثل لأنه يتجاهل مشكلة بدء التشغيل هذا يقلل من كفاءة التقديرات، على الرغم من أنها لا تزال غير متحيزة ويفترض المخلفات الأولية المتخلفة، وتمتد قبل بداية البيانات، لتكون 0، قيمتها المتوقعة غير المشروطة وهذا يقدم فرقا بين هذه وبقايا المربعات الصغرى المعممة لمتوسط ​​التباين المتوسط ​​المتحرك، الذي، على عكس نموذج الانحدار الذاتي، يستمر من خلال مجموعة البيانات عادة هذا الاختلاف يتقارب بسرعة إلى 0، ولكن بالنسبة لعمليات المتوسط ​​المتحرك غير قابل للتحويل تقريبا التقارب بطيء جدا لتقليل هذا المشكلة، يجب أن يكون لديك الكثير من البيانات، ويجب أن تكون تقديرات المتوسط ​​المتوسط ​​المتحرك ضمن النطاق القابل للانعكاس. ويمكن تصحيح هذه المشكلة على حساب كتابة برنامج أكثر تعقيدا يمكن أن تنتج تقديرات المربعات الصغرى غير المشروطة لعملية ما 1 من خلال تحديد النموذج على النحو التالي. يمكن أن يكون من الصعب تقدير المتوسط ​​أخطاء تقدير يجب عليك النظر في استخدام أر p تقريب لعملية التحرك المتوسط ​​يمكن عادة أن تكون عملية التحريك المتوسط ​​تقارب بشكل جيد من خلال عملية الانحدار الذاتي إذا لم يتم تمهيد البيانات أو اختلافها. أعداد الماكرو أر. ساس الماكرو أر يولد بيانات البرمجة ل بروك موديل لنماذج الانحدار الذاتي الماكرو أر هو جزء من ساس إتس البرمجيات، وليس هناك خيارات خاصة تحتاج إلى تعيين لاستخدام الماكرو ويمكن تطبيق عملية الانحدار الذاتي إلى أخطاء المعادلة الهيكلية أو إلى سلسلة الذاتية أنفسهم. يمكن استخدام الماكرو أر للأنواع التالية من متجه autorgression. unrestimited autoregression. restimited ناقلات autorgression. Univariate أوتورغريسيون. لتصوير مصطلح خطأ المعادلة كعملية الانحدار الذاتي، استخدم العبارة التالية بعد المعادلة. على سبيل المثال، لنفترض أن Y هي وظيفة خطية من X1، X2، و أر 2 خطأ يمكنك كتابة هذا النموذج على النحو التالي. يجب أن تأتي المكالمات إلى أر بعد كل المعادلات التي تنطبق على العملية. الماكرو السابق إنفوكا ، أر y، 2، وتظهر البيانات المبينة في إخراج ليست في الشكل 18 58.Figure 18 58 ليست الخيار الناتج لنموذج أر 2.The المتغيرات مسبقة بريد هي متغيرات البرنامج المؤقتة المستخدمة بحيث تكون التخلف من بقايا هي بقايا صحيحة وليس تلك المعاد تعريفها بواسطة هذه المعادلة لاحظ أن هذا يعادل العبارات المكتوبة بشكل صريح في المقطع نموذج عام لنماذج أرما. يمكنك أيضا تقييد معلمات الانحدار الذاتي إلى صفر عند تأخر محدد على سبيل المثال، إذا أردت معلمات الانحدار الذاتي في و 1 و 12 و 13، يمكنك استخدام العبارات التالية. هذه البيانات تولد الإخراج المبين في الشكل 18 59.Figure 18 59 ليست الإخراج الخيار لنموذج أر مع تأخر في 1 و 12 و 13.The نموذج الإجراء. قائمة برمجية مجمعة..RESID y بريد y - أكتوال y. ERROR y بريد y - y. Ther e هي اختلافات على طريقة المربعات الصغرى المشروطة، اعتمادا على ما إذا كانت الملاحظات في بداية السلسلة تستخدم لتسخين عملية أر افتراضيا، فإن طريقة مربعات أقل مشروطة أر يستخدم جميع الملاحظات ويفترض الأصفار للتخلف الأولي للانحراف الذاتي المصطلحات باستخدام الخيار M، يمكنك طلب أن أر استخدام المربعات الصغرى غير المشروطة أولس أو الحد الأقصى احتمال طريقة مل بدلا من ذلك على سبيل المثال. يتم تقديم مناقشة هذه الأساليب في القسم أر الشروط الأولية. باستخدام الخيار M كلس ن، يمكنك يمكن أن يطلب استخدام الملاحظات N الأولى لحساب تقديرات التأخر الانحدار الذاتي الأولي في هذه الحالة، يبدأ التحليل مع الملاحظة ن 1 على سبيل المثال. يمكنك استخدام الماكرو أر لتطبيق نموذج الانحدار الذاتي إلى المتغير الداخلي، بدلا من مصطلح الخطأ، باستخدام الخيار تايب V على سبيل المثال، إذا كنت ترغب في إضافة الفواصل الخمسة الماضية من Y إلى المعادلة في المثال السابق، يمكنك استخدام أر لتوليد المعلمة s وتجاوزات باستخدام العبارات التالية. البيانات السابقة تولد الإخراج هو مبين في الشكل 18 60.Figure 18 60 ليست إخراج الخيار لنموذج أر من Y. ويتوقع هذا النموذج Y كمزيج خطي من X1، X2، اعتراض، وقيم Y في الفترات الخمس الأخيرة. غير مقصود أوتورغريسيون. لتحديد مصطلحات الخطأ لمجموعة من المعادلات كعملية متجه الانحدار الذاتي، استخدم النموذج التالي من ماكرو أر بعد المعادلات. قيمة اسم العملية أي اسم التي توفرها أر لاستخدامها في صنع أسماء معلمات الانحدار الذاتي يمكنك استخدام ماكرو أر لنموذج عدة عمليات أر مختلفة لمجموعات مختلفة من المعادلات باستخدام أسماء عمليات مختلفة لكل مجموعة اسم العملية يضمن أن أسماء المتغيرات المستخدمة هي فريدة من نوعها استخدام قيمة اسم عملية قصيرة للعملية إذا كانت تقديرات المعلمة ستكتب إلى مجموعة بيانات الإخراج يحاول ماكرو أر إنشاء أسماء معلمات أقل من أو تساوي ثمانية أحرف، ولكن هذا هو ليمي تيد بواسطة طول اسم العملية الذي يستخدم كبادئة لأسماء معلمات أر. قيمة المتغير فاريابلست هي قائمة المتغيرات الذاتية للمعادلات. على سبيل المثال، لنفترض أن أخطاء المعادلات Y1 و Y2 و Y3 يتم إنشاؤها بواسطة ثانية - ororder ناقلات الانحدار الذاتي العملية يمكنك استخدام العبارات التالية. التي تولد التالية ل Y1 و التعليمات البرمجية مماثلة ل Y2 و Y3.Only المربعات الصغرى الشرطية M كلس أو M كلس ن طريقة يمكن استخدامها لعمليات متجه. يمكنك أيضا استخدام نفس الشكل مع القيود التي تكون مصفوفة المعامل 0 عند تخلفات مختارة على سبيل المثال، تنطبق العبارات التالية عملية متجه من الدرجة الثالثة على أخطاء المعادلة مع جميع المعاملات عند التأخر 2 المقيدة إلى 0 ومع المعاملات عند الفواصل الزمنية 1 و 3 غير المقيدة. يمكنك نمذجة السلسلة الثلاثية Y1 Y3 كمتجه الانحدار الذاتي المتجه في المتغيرات بدلا من الأخطاء باستخدام الخيار تايب V إذا كنت ترغب في نموذج Y1 Y3 كدالة للقيم السابقة Y1 Y3 وبعض e المتغيرات أو الثوابت إكسوجينوس، يمكنك استخدام أر لتوليد عبارات المصطلحات تأخر كتابة معادلة لكل متغير للجزء نونوتريغريسيف من النموذج، ثم استدعاء أر مع الخيار تايب V على سبيل المثال. الجزء نونوتريغريسيف من النموذج يمكن أن تكون دالة من المتغيرات الخارجية أو يمكن أن تكون معلمات اعتراض إذا لم يكن هناك مكونات خارجية لنموذج الانحدار الذاتي المتجه، بما في ذلك أي اعتراضات، ثم تعيين صفر لكل من المتغيرات يجب أن يكون هناك تخصيص لكل من المتغيرات قبل أر ويسمى هذا المثال المتجه Y Y1 Y2 Y3 كدالة خطية فقط من قيمته في الفترتين السابقتين وناقلات خطأ الضوضاء البيضاء النموذج يحتوي على 18 3 3 3 3 معلمات. سينتاكس من ماكرو أر. هناك حالتان من بناء جملة الماكرو أر عندما لا تكون هناك حاجة إلى قيود على عملية أر ناقلات، وبناء الجملة ماكرو أر لديها الشكل العام. حدد البادئة ل أر لاستخدامها في بناء أسماء المتغيرات اللازمة لتحديد أر عملية إذا لم يتم تحديد إندوليست، القائمة الافتراضية افتراضيا إلى الاسم الذي يجب أن يكون اسم المعادلة التي يتم تطبيق عملية خطأ أر لا يمكن أن تتجاوز قيمة الاسم 32 حرفا. ترتيب عملية أر. يحدد قائمة المعادلات التي ستطبق عليها عملية أر إذا أعطيت أكثر من اسم واحد، يتم إنشاء عملية متجه غير مقيد مع المخلفات الهيكلية لجميع المعادلات المدرجة كمؤخرات في كل من المعادلات إن لم يكن محددا، افتراض إندوليست الاسم يحدد قائمة التأخيرات التي تضاف إليها مصطلحات أر حيث يتم تعيين معاملات المصطلحات عند التأخيرات غير المدرجة على 0 يجب أن تكون جميع الفواصل المدرجة أقل من أو تساوي نلاغ ويجب ألا تكون هناك تكرارات إذا لم يتم تحديدها ، والإخفاقات لاغليست لجميع الفترات من 1 إلى nlag. يحدد طريقة التقدير لتنفيذ القيم الصالحة لل M هي كلس مشروطة تقديرات المربعات الصغرى، أولس غير المشروطة تقديرات المربعات الصغرى، واحتمال احتمال أقصى مل s M كلس هو المعطى الوحيد المسموح به فقط M كلس عند تحديد أكثر من معادلة لا تدعم طرائق أولس و مل لنماذج أر المتجهة بواسطة AR. تحدد أن عملية أر ستطبق على المتغيرات الذاتية نفسها بدلا من المخلفات الهيكلية للمعادلات. الاستيراد التلقائي. الاسترداد. يمكنك التحكم في المعلمات التي يتم تضمينها في العملية، وتقييد إلى 0 تلك المعلمات التي لا تشمل أولا، استخدم أر مع الخيار دفر لإعلان قائمة المتغيرات وتحديد البعد من العملية، ثم استخدام مكالمات أر إضافية لتوليد مصطلحات للمعادلات المحددة مع المتغيرات المحددة في تأخر المحدد على سبيل المثال. معادلات الخطأ المنتجة هي كما يلي. هذا النموذج يشير إلى أن أخطاء Y1 تعتمد على أخطاء Y1 و Y2 ولكن ليس Y3 في كلا الفئتين 1 و 2، وأن الأخطاء بالنسبة إلى Y2 و Y3 تعتمد على الأخطاء السابقة لجميع المتغيرات الثلاثة، ولكن فقط عند الفارق الزمني 1. بنية ماكرو أر للمتجهات المقيدة AR. An البديل u سي من أر يسمح بفرض قيود على عملية أر المتجهات عن طريق استدعاء أر عدة مرات لتحديد مصطلحات أر مختلفة والتخلف عن المعادلات المختلفة. المكالمة الأولى لديها الشكل العام. حدد البادئة ل أر لاستخدامها في بناء أسماء المتغيرات اللازمة لتحديد عملية أر فيكتور. يحدد ترتيب عملية أر. يحدد قائمة المعادلات التي يتم تطبيق عملية أر. يحدد أن أر ليس لإنشاء عملية أر ولكن الانتظار للحصول على مزيد من المعلومات المحددة في وقت لاحق ويدعو أر إلى نفس القيمة الاسم. المكالمات اللاحقة لها الشكل العام. هذا هو نفسه كما في المكالمة الأولى. حدد قائمة المعادلات التي المواصفات في هذه الدعوة أر هي التي سيتم تطبيقها فقط الأسماء المحددة في قيمة إندوليست من يمكن أن تظهر النداء الأول لقيمة الاسم في قائمة المعادلات في eqlist. speces قائمة المعادلات التي سيتم تضمين المخلفات الهيكلية المتخلفة كمؤخرات في المعادلات في إكليست الأسماء فقط في إندولي ست من المكالمة الأولى لقيمة الاسم يمكن أن تظهر في فارليست إذا لم يتم تحديدها، افتراضيات فارليست ل إندوليست. حدد قائمة التأخيرات التي سيتم إضافة مصطلحات أر يتم تعيين معاملات المصطلحات في التأخرات غير المدرجة إلى 0 الكل من التأخيرات المدرجة يجب أن تكون أقل من أو تساوي قيمة نلاغ ويجب أن يكون هناك أي تكرارات إذا لم يحدد، الافتراضي لاغليست لجميع يتخلف 1 من خلال نلاغ. ماكرو ماك. ساس ماكرو ماك يولد بيانات البرمجة ل بروك نموذج للتحرك نماذج - average ماكرو ما هو جزء من برنامج ساس إتس، ولا حاجة إلى خيارات خاصة لاستخدام الماكرو يمكن تطبيق عملية الخطأ المتوسط ​​المتوسط ​​على أخطاء المعادلة الهيكلية بناء الجملة ماكرو ما هو نفس ماكرو أر باستثناء عدم وجود وسيطة تايب. عندما كنت تستخدم ما ماكرو و أر مجتمعة، ماكرو ماك يجب اتباع ماكرو أر التالية ساس إمل البيانات تنتج عملية خطأ أرما 1، 1 3 وحفظه في مجموعة البيانات مادات 2.The بعد بيانات بروك موديل هي وتستخدم لتقدير معلمات هذا النموذج باستخدام أقصى قدر من احتمال بنية الخطأ. وتظهر تقديرات المعلمات الناتجة عن هذا المدى في الشكل 18 61. الشكل 18 61 تقديرات من أرما 1، 1 3 عملية. هناك حالتان من بناء الجملة ل ماكرو ماك عندما لا تكون هناك حاجة إلى قيود على عملية ما متجه، بناء الجملة ماكرو ما النموذج العام. حدد البادئة ل ما لاستخدامها في بناء أسماء المتغيرات اللازمة لتعريف عملية ما وهو إندوليست الافتراضي . هو ترتيب عملية ما. حدد المعادلات التي يتم تطبيق عملية ما إذا تم إعطاء أكثر من اسم واحد، يتم استخدام تقدير كلس لعملية المتجه. حدد التأخر الذي سيتم إضافة الشروط ما يجب أن تكون جميع التأخيرات المدرجة أقل من أو تساوي نلاغ ويجب ألا يكون هناك أي تكرارات إذا لم يتم تحديدها، تخلف لاغليست لجميع الفترات من 1 إلى nlag. يحدد طريقة التقدير لتنفيذ القيم الصالحة لل M هي كلس مشروطة تقديرات المربعات الصغرى، أولس تقديرات المربعات الصغرى غير المشروطة، واحتمالات أقصى احتمال مل هو M كلس هو الافتراضي فقط يسمح M كلس عندما يتم تحديد أكثر من معادلة في إندوليست. ما ماكرو بناء الجملة للناقلات المقيدة تتحرك - Average. An استخدام بديل من ما يسمح لفرض قيود على عملية ما ناقلات عن طريق استدعاء ما عدة مرات لتحديد شروط ما مختلفة والتخلف عن المعادلات المختلفة. المكالمة الأولى لديها form. specives عامة بادئة ل ما لاستخدامها في بناء أسماء المتغيرات اللازمة لتعريف متجه ما process. يحدد ترتيب عملية ما. حدد قائمة المعادلات التي يتم تطبيق عملية ما. ويحدد أن ما هو ليس لتوليد عملية ما ولكن هو الانتظار للحصول على مزيد من المعلومات المحددة في وقت لاحق ما يدعو لنفس القيمة name. The المكالمات اللاحقة لها form. is العام نفسه كما في call. speces الأولى قائمة المعادلات التي المواصفات في هذه الدعوة ما يتم تطبيقها. تحدد قائمة المعادلات التي يجب أن تدرج المخلفات الهيكلية المتخلفة كمؤخرات في المعادلات في eqlist. يحدد قائمة التأخيرات التي ستضاف إليها مصطلحات ما.