الانحدار أو الحركة من المتوسط

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. A ريما لتقف على الانحدار الانحداري المتكامل المتوسط ​​المتحرك نماذج ونيفاريت متجه واحد أريما هو تقنية التنبؤ التي مشاريع القيم المستقبلية لسلسلة تستند كليا على الجمود الخاص به التطبيق الرئيسي هو في مجال التنبؤ على المدى القصير تتطلب ما لا يقل عن 40 نقطة البيانات التاريخية أنه يعمل بشكل أفضل عندما تظهر البيانات الخاصة بك مستقرة أو نمط ثابت مع مرور الوقت مع الحد الأدنى من القيم المتطرفة في بعض الأحيان يسمى صندوق جينكينز بعد المؤلفين الأصلي، 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 عالية متقلبة، ثم بعض طريقة تمهيد قد تؤدي بشكل أفضل إذا لم يكن لديك ما لا يقل عن 38 نقطة البيانات، يجب عليك أن تنظر في طريقة أخرى من أريما. الخطوة الأولى في تطبيق منهجية أريما هو للتحقق من ستاتيوناريتي ستاتيوناريتي يعني أن سلسلة لا تزال في حد ما مستوى ثابت مع مرور الوقت إذا كان هناك اتجاه، كما هو الحال في معظم التطبيقات الاقتصادية أو التجارية، ثم البيانات الخاصة بك ليست إحصائية أيوني يجب أن تظهر البيانات أيضا تباين مستمر في تقلباتها مع مرور الوقت وهذا ينظر بسهولة مع سلسلة التي موسمية بشكل كبير وتنمو بمعدل أسرع في مثل هذه الحالة، صعودا وهبوطا في الموسمية سوف تصبح أكثر دراماتيكية مع مرور الوقت دون هذه الشروط ستاتاريتي يجري الوفاء بها، العديد من الحسابات المرتبطة عملية لا يمكن أن يحسب. إذا كانت مؤامرة رسومية من البيانات تشير إلى نونستاتيوناريتي، ثم يجب أن الاختلاف سلسلة التفريق هو وسيلة ممتازة لتحويل سلسلة غير ثابتة إلى واحد ثابت هذا هو وذلك عن طريق طرح الملاحظة في الفترة الحالية من السابقة إذا تم هذا التحول مرة واحدة فقط لسلسلة، ويقول لك أن البيانات قد اختلفت أولا هذه العملية يلغي أساسا الاتجاه إذا سلسلة الخاص بك ينمو بمعدل ثابت إلى حد ما إذا فإنه ينمو بمعدل متزايد، يمكنك تطبيق نفس الإجراء والفرق البيانات مرة أخرى البيانات الخاصة بك ثم سيكون الثاني ديفير nced. أوتوكوريلاتيونس هي القيم العددية التي تشير إلى كيفية ارتباط سلسلة البيانات نفسها مع مرور الوقت على وجه التحديد، فإنه يقيس مدى قوة القيم البيانات في عدد محدد من فترات منفصلة ترتبط بعضها البعض مع مرور الوقت ويسمى عدد من فترات بعيدا عادة تأخر ل على سبيل المثال، يقيس الارتباط الذاتي في التأخر 1 كيفية ارتباط القيم بين الفاصل الزمني 1 وبطريقة أخرى خلال السلسلة. إن الارتباط الذاتي في التأخر 2 يقيس مدى ارتباط البيانات بفترتين منفصلتين طوال السلسلة قد تتراوح أوتوكوريلاتيونس من 1 إلى -1 A قيمة قريبة من 1 يشير إلى وجود علاقة ارتباط إيجابية عالية في حين أن قيمة قريبة من -1 يعني ارتباطا سلبيا كبيرا هذه التدابير في معظم الأحيان يتم تقييمها من خلال المؤامرات الرسومية دعا كوريلاغاغرام ويرابط الارتباطات قيم الترابط التلقائي لسلسلة معينة في تأخر مختلفة ويشار إلى هذا باسم وظيفة الترابط الذاتي ومهمة جدا في طريقة أريما. محاولة منهجية أريما لوصف الحركات في السلسلة الزمنية الثابتة كدالة لما يسمى بارامترات الانحدار الذاتي والمتوسط ​​المتحرك يشار إليها بمعلمات أر أوتوريجيسيف ومعلمات المتوسط ​​المتحرك المتوسطات يمكن أن يكتب نموذج أر مع معلمة واحدة فقط كما يلي: حيث X x t سلسلة زمنية قيد التحقيق. A 1 المعلمة الانحدار الذاتي من أجل 1.X t-1 المسلسل الزمني تأخر 1 الفترة. إذا ر خطأ في النموذج. وهذا يعني ببساطة أن أي قيمة معينة X ر يمكن تفسيرها من قبل بعض الدالة من قيمته السابقة، X t - 1، بالإضافة إلى بعض الخطأ العشوائي غير قابل للتفسير، E t إذا كانت القيمة المقدرة ل A 1 30، ثم القيمة الحالية للسلسلة ستكون ذات صلة إلى 30 من قيمته 1 الفترة منذ بطبيعة الحال، يمكن أن تكون مرتبطة سلسلة لأكثر من مجرد قيمة واحدة سابقة على سبيل المثال. X t A 1 X t-1 A 2 X t-2 E t. وهذا يشير إلى أن القيمة الحالية للسلسلة هي مزيج من القيمتين السابقتين مباشرة، X t-1 و X t - 2، بالإضافة إلى بعض خطأ عشوائي E ر نموذجنا هو الآن نموذج الانحدار الذاتي من النظام 2.Moving ايفر ونموذج الثاني من نموذج بوكس-جينكينز يسمى نموذج المتوسط ​​المتحرك على الرغم من أن هذه النماذج تبدو مشابهة جدا لنموذج أر، فإن المفهوم وراءها مختلف تماما إن متوسطات الحركة المتحركة ترتبط 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 و شت-3 كما هو الحال في مقاربات الانحدار الذاتي يمكن كتابة نموذج متوسط ​​متحرك بمصطلح ما واحد على النحو التالي. المصطلح B 1 يسمى ما من النظام 1 يتم استخدام علامة سلبية أمام المعلمة للاتفاقية فقط وعادة ما يتم طباعتها بشكل تلقائي من قبل معظم برامج الكمبيوتر النموذج أعلاه يقول ببساطة أن أي قيمة معينة من X t يرتبط مباشرة فقط بالخطأ العشوائي في الفترة السابقة E t-1 ولفترة الخطأ الحالية، E t كما في حالة نماذج الانحدار الذاتي، يمكن تمديد نماذج المتوسط ​​المتحرك لتشمل هياكل ذات ترتيب أعلى تغطي تشكيلات مختلفة وأطوال المتوسط ​​المتحرك. منهجية أريما ألس o يسمح بنماذج يمكن دمجها مع كل من معلمات الانحدار الذاتي والمتوسط ​​المتحرك معا. غالبا ما يشار إلى هذه النماذج على أنها نماذج مختلطة على الرغم من أن هذا يجعل أداة التنبؤ أكثر تعقيدا، فإن الهيكل قد محاكاة فعلا سلسلة أفضل وإنتاج توقعات أكثر دقة نماذج نقية يعني أن الهيكل يتكون فقط من المعلمات أر أو ما - وليس كلا. وعادة ما تسمى النماذج التي وضعتها هذا النهج نماذج أريما لأنها تستخدم مزيج من أر الانحدار الذاتي، والتكامل الأول - في اشارة الى عملية عكسية مختلفة لإنتاج التنبؤ، ومتوسط ​​متوسط ​​عمليات ما عادة ما يشار إلى نموذج أريما على أنه أريما p، d، q وهذا يمثل ترتيب مكونات الانحدار الذاتي p، وعدد مشغلي الاختلاف d، وأعلى ترتيب للمتوسط ​​المتحرك على سبيل المثال، أريما 2، 1،1 يعني أن لديك نموذج طلب الانحدار الذاتي من الدرجة الثانية مع عنصر متوسط ​​متحرك من الدرجة الأولى التي تم اختلافات سلسلة لها e للحث على ستاريتيري. التقاط الحق المواصفات. المشكلة الرئيسية في الكلاسيكية بوكس-جينكينز تحاول أن تقرر أي مواصفات أريما لاستخدام - ie كم عدد أر أو ما المعلمات لتشمل هذا هو ما الكثير من بوكس ​​جينكنغس 1976 كرس ل عملية تحديد الهوية تعتمد على التقييم الرسومي والعددي لعينة الارتباط الذاتي ووظائف الترابط الذاتي الجزئي حسنا، بالنسبة إلى النماذج الأساسية الخاصة بك، فإن المهمة ليست صعبة للغاية لكل منها وظائف الارتباط الذاتي التي تبدو بطريقة معينة ومع ذلك، عندما ترتفع في التعقيد ، لا يتم الكشف عن الأنماط بسهولة لجعل الأمور أكثر صعوبة، البيانات الخاصة بك تمثل سوى عينة من العملية الكامنة وهذا يعني أن أخطاء أخذ العينات أخطاء المتطرفة، خطأ القياس، وما إلى ذلك قد تشوه عملية تحديد النظرية وهذا هو السبب التقليدي النمذجة أريما هو فن بدلا من العلم. خطأ الحركة المتوسط ​​المتوسط ​​عمليات الأخطاء أرما والنماذج الأخرى التي تنطوي على التأخر من حيث الخطأ يمكن أن يكون إست تكرارا باستخدام بيانات فيت ومحاكاة أو التنبؤ باستخدام عبارات سولف وغالبا ما تستخدم نماذج أرما لعملية الخطأ للنماذج مع بقايا أوتوكوريلاتد يمكن استخدام الماكرو أر لتحديد نماذج مع عمليات خطأ الانحدار الذاتي يمكن استخدام ماكرو ما لتحديد نماذج مع عمليات خطأ المتوسط ​​المتوسط. أخطاء الانتهاك الطائفي. أحد النماذج ذات أخطاء الانحدار الذاتي ذات الدرجة الأولى، أر 1، يحتوي على النموذج. في حين أن عملية خطأ أر 2 لها النموذج. وهكذا بالنسبة للعمليات ذات الترتيب الأعلى لاحظ أن s مستقلة و موزعة بشكل متطابق ولها قيمة متوقعة من 0. مثال على نموذج مع مكون أر 2 هو. وهكذا دواليك للعمليات ذات الترتيب الأعلى. على سبيل المثال، يمكنك كتابة نموذج الانحدار الخطي بسيط مع ما 2 نقل المتوسط ​​أخطاء كما . وحيث MA1 و MA2 هما معلمات المتوسط ​​المتحرك. لاحظ أن ريسيد Y يتم تعريفه تلقائيا بواسطة بروك موديل كما. ملاحظة أن ريسيد Y سالب. يجب استخدام الدالة زلاغ في نماذج ما لاقتطاع تكرر التأخر يضمن هذا 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 وليس مفقودة أثناء المحاكاة أو التنبؤ للحصول على تفاصيل حول وظائف تأخر، راجع القسم لاغ Logic. This النموذج المكتوب باستخدام ماكرو ما كما يلي. الاستمارة العامة لنماذج أرما. العام أرما p، q عملية النموذج التالي. يمكن أرما p، q نموذج يمكن تحديدها على النحو التالي . حيث أر i و ما j تمثل الانحدار الذاتي والانتقال المتوسط ​​المعلمات لمختلف التأخر يمكنك استخدام أي الأسماء التي تريد لهذه المتغيرات، وهناك العديد من الطرق المماثلة التي يمكن أن تكون مكتوبة المواصفات. يمكن أيضا أن يتم تقدير عمليات أرما فيكتور مع بروك موديل على سبيل المثال، يمكن تحديد عملية أر 1 متغيرين لأخطاء المتغيرين الداخليين Y1 و Y2 على النحو التالي. مشاكل التقارب مع نماذج أرما. يمكن أن تكون نماذج أرما صعبة التقدير وإذا لم تكن تقديرات المعلمة ضمن المدى المناسب، فإن المصطلحات المتبقية للنموذج المتوسط ​​المتحرك تنمو باطراد. ويمكن أن تكون المخلفات المحسوبة للرصدات اللاحقة كبيرة جدا أو يمكن تجاوزها إما لأن قيم البداية غير الملائمة قد استخدمت أو لأن التكرار من القيم المعقولة. وينبغي استخدام كير في اختيار قيم البداية للمعلمات أرما تبدأ قيم 0 001 للمعلمات أرما عادة إذا كان النموذج يناسب البيانات جيدا والمشكلة مكيفة جيدا لاحظ أن نموذج ما يمكن في كثير من الأحيان تقريب بواسطة نموذج أر عالية الترتيب، والعكس بالعكس هذا يمكن أن يؤدي إلى علاقة خطية متداخلة عالية في نماذج أرما مختلطة، والتي بدورها يمكن أن تسبب سوء تكييف خطيرة في الحسابات وعدم الاستقرار لتقديرات المعلمة. إذا كان لديك مشاكل التقارب في حين تقدير نموذج مع أرما في محاولة للتقدير في الخطوات أولا، استخدم بيان فيت لتقدير المعلمات الهيكلية فقط مع المعلمات أرما عقد إلى z إيرو 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 وبما أن قيم المعلمات الهيكلية من المرجح أن تكون قريبة من تقديراتها النهائية، فإن معلمة أرما قد تتلاقى التقديرات في النهاية وأخيرا، استخدم بيان صالح آخر لإنتاج تقديرات متزامنة لجميع المعلمات نظرا لأن القيم الأولية للمعلمات من المرجح أن تكون قريبة جدا من تقديراتها النهائية المشتركة، ينبغي أن تتلاقى التقديرات بسرعة إذا كان النموذج مناسبا data. AR الشروط الأولية. التخلف الأولي من الأخطاء في نماذج أر p يمكن نمذجة بطرق مختلفة طرق بدء الانحدار الذاتي خطأ بدعم من ساس إتس الإجراءات هي التالية المربعات الصغرى المشروط أريما و MODEL. unconditional المربعات الصغرى أوتوريغ، أريما، وإجراءات موديل. أقصى احتمال أوتوريغ، أريما، وإجراءات موديل. يول ووكر أوتوريغ الإجراء س nild. Hildreth-لو، الذي يحذف أول ملاحظات p إجراء موديل فقط. انظر الفصل 8، الإجراء أوتوريغ، للحصول على شرح ومناقشة مزايا مختلف أر بدء التشغيل طرق. يمكن كلس، أولس، مل، و هل التهيئة بواسطة بروك موديل بالنسبة لأخطاء أر 1، يمكن إنتاج هذه التهيئة على النحو المبين في الجدول 18 2 هذه الطرائق مكافئة في عينات كبيرة. الجدول 18 2 التهيئة التي يتم إجراؤها بواسطة بروك موديل أر 1 الأخطاء. الفواصل الأولية لشروط الخطأ في ما يمكن أيضا أن نمذجة نماذج q بطرق مختلفة يتم دعم نماذج التحريك المتوسط ​​المتوسط ​​التالية للتحرك بواسطة إجراءات أريما و موديل. مربعات أقل مربعات. مربعات أقل مشروطة. إن طريقة المربعات الصغرى المشروطة لتقدير متوسط ​​الخطأ في الخطأ ليست الأمثل لأنه يتجاهل مشكلة بدء التشغيل وهذا يقلل من كفاءة التقديرات، على الرغم من أنها لا تزال غير متحيزة ويفترض المخلفات الأولية المتأخرة، وتمتد قبل بداية البيانات، لتكون 0، ر القيمة المتوقعة غير المشروطة وريث هذا يدخل فرقا بين هذه المخلفات وبقايا المربعات الصغرى المعممة لمتوسط ​​التباين المتحرك، الذي، على عكس نموذج الانحدار الذاتي، يستمر من خلال مجموعة البيانات عادة هذا الاختلاف يتقارب بسرعة إلى 0، ولكن تقريبا لا يمكن تحويله غير قابل للتحويل، متوسط ​​عمليات التقارب بطيء جدا للحد من هذه المشكلة، يجب أن يكون لديك الكثير من البيانات، ويجب أن تكون تقديرات المتوسط ​​المتحرك المتوسط ​​ضمن النطاق القابل للانعكاس. يمكن تصحيح هذه المشكلة على حساب كتابة برنامج أكثر تعقيدا غير مشروط الأقل يمكن أن تنتج تقديرات المربعات لعملية ما 1 من خلال تحديد النموذج على النحو التالي. يمكن أن يكون من الصعب تقدير المتوسط ​​أخطاء في تقدير يجب عليك النظر في استخدام تقريب أر إلى عملية المتوسط ​​المتحرك يمكن أن تكون عملية المتوسط ​​المتحرك، تقريبها من قبل عملية الانحدار الذاتي إذا لم يتم تمهيد البيانات أو ديسنسد. أر ماكرو. ساس ماكرو أر جين إراتس بيانات البرمجة ل بروك موديل لنماذج الانحدار الذاتي و ماكرو أر هو جزء من ساس إتس البرمجيات، ولا توجد خيارات خاصة تحتاج إلى تعيين لاستخدام الماكرو يمكن تطبيق عملية الانحدار الذاتي على أخطاء المعادلة الهيكلية أو إلى سلسلة الذاتية أنفسهم. ال يمكن استخدام الماكرو أر للأنواع التالية من autoregression. unrestimited ناقلات autorgression. restimited ناقلات الانحراف التلقائي. نظام التسجيل التلقائي. لنموذج نموذج الخطأ في المعادلة كعملية الانحدار الذاتي، استخدم العبارة التالية بعد المعادلة. على سبيل المثال، لنفترض أن Y هي دالة خطية من X1 و X2 وخطأ أر 2 يمكنك كتابة هذا النموذج كما يلي. يجب أن تأتي المكالمات إلى أر بعد كل المعادلات التي تنطبق عليها العملية. الاستدعاء الكلي السابق، أر y، 2، ينتج البيانات المبينة في مخرجات ليست في الشكل 18 58. الشكل 18 58 ليست مخرجات الخيار لنموذج أر 2. المتغيرات المسبقة بريد هي متغيرات البرنامج المؤقتة المستخدمة بحيث أن التأخر من ال البقايا الإلكترونية هي البقايا الصحيحة وليس تلك المعاد تعريفها بواسطة هذه المعادلة لاحظ أن هذا يعادل العبارات المكتوبة بشكل صريح في القسم النموذج العام لنماذج أرما. يمكنك أيضا تقييد معلمات الانحدار الذاتي إلى صفر عند التأخر المحدد على سبيل المثال، إذا كنت معلمات الانحدار الذاتي المطلوبة في الفترات الزمنية 1 و 12 و 13، يمكنك استخدام العبارات التالية. هذه البيانات تولد الإخراج المبين في الشكل 18 59.Figure 18 59 ليست إخراج الخيار لنموذج أر مع تأخر في 1 و 12 و 13. الإجراء النموذجي. إعداد رمز البرنامج المترجم. الاستعداد ك Parsed. PRED ياب x1 c x2RESID y بريد y - y الفعلي y بريد y ذيل y yddred y بريد y yl1 ZLAG1 y - بيردي yl12 ZLAG12 y - بيردي yl13 ZLAG13 y - PREDy. RESID y بريد y - أكتوال y. ERROR y بريد y - y. هناك اختلافات على طريقة المربعات الصغرى الشرطية، اعتمادا على ما إذا كانت الملاحظات في بداية السلسلة تستخدم لتسخين عملية أر افتراضيا ، أر طريقة المربعات الصغرى أر يستخدم كل ث e، ويفترض أصفار للتخلف الأولي لشروط الانحدار الذاتي 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 الأولي من خلال استخدام الخيار M كلس ن، يمكنك طلب 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 المعلمات والتخلف باستخدام العبارات التالية. البيانات السابقة توليد الإخراج هو مبين في الشكل 18 60.Figure 18 60 ليست إخراج الخيار لنموذج أر من Y. ويتوقع هذا النموذج Y كتركيبة خطية من X1، X2، اعتراض، وقيم Y في الفترات الخمس الأخيرة. غير مقصود أوتورغريسيون. لتوضيح مصطلحات الخطأ لمجموعة من المعادلات باعتبارها عملية الانحدار الذاتي المتجه، استخدم الشكل التالي من ماكرو أر بعد المعادلات. الخطأ قيمة بروسيسنام هو أي الاسم الذي تقوم بتوفيره أر لاستخدامها في صنع أسماء معلمات الانحدار الذاتي يمكنك استخدام الماكرو أر لنموذج عدة عمليات أر مختلفة لمجموعات مختلفة من المعادلات باستخدام أسماء عملية مختلفة لكل مجموعة اسم العملية يضمن أن الأسماء المتغيرة المستخدمة هي فريدة من نوعها استخدام قيمة اسم عملية قصيرة للعملية إذا كانت تقديرات المعلمة يجب أن تكتب إلى مجموعة بيانات الإخراج يحاول الماكرو أر إنشاء أسماء معلمات أقل من أو يساوي ثمانية أحرف، ولكن هذا يقتصر طول العملية الذي يستخدم كبادئة لأسماء معلمات أر. قيمة المتغير فاريبلستليست هي قائمة المتغيرات الذاتية للمعادلات. على سبيل المثال، لنفترض أن أخطاء المعادلات Y1، Y2، و Y3 يتم توليدها من خلال عملية الانحدار الذاتي ناقلات النظام الثاني يمكنك استخدام العبارات التالية. التي تولد ما يلي ل Y1 ورمز مشابه ل Y2 و Y3.Only المربعات الصغرى الشرطية M كلس أو M كلس ن طريقة يمكن استخدامها لناقلات يمكن أيضا استخدام نفس النموذج 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 كل المعاملات في لاغ 2 مقيدة إلى 0 ومع معاملات في التأخر 1 و 3 غير المقيدة. يمكنك نموذج سلسلة Y1 Y3 كعملية ناقلات الانحدار الذاتي في المتغيرات بدلا من الأخطاء باستخدام الخيار تايب V إذا كنت ترغب في نموذج Y1 Y3 كدالة للقيم الماضية من Y1 Y3 وبعض المتغيرات الخارجية أو الثوابت، يمكنك استخدام أر لتوليد عبارات المصطلحات تأخر كتابة معادلة لكل متغير للجزء نونوتريغريسيف من النموذج، ثم استدعاء أر مع الخيار تايب V ل مثال: يمكن أن يكون الجزء غير التخطيطي للنموذج دالة للمتغيرات الخارجية، أو يمكن أن يكون معلمات اعتراض إذا لم تكن هناك مكونات خارجية لنموذج الانحدار الذاتي المتجه، بما في ذلك عدم وجود اعتراضات، ثم قم بتعيين صفر لكل من المتغيرات يجب أن يكون هناك التخصيص لكل من المتغيرات قبل أن يسمى أر. هذا المثال يطرح المتجه Y Y1 Y2 Y3 كدالة خطية فقط من قيمته في الفترتين السابقتين ومتجه خطأ الضوضاء البيضاء النموذج يحتوي على 18 3 3 3 3 معلمات. سينتاكس من أر ماكرو. هناك حالتان من بناء الجملة من ماكرو أر عندما لا تكون هناك حاجة إلى قيود على عملية أر المتجهات، وبناء الجملة ماكرو أر لديه الشكل العام. حدد البادئة ل أر لاستخدامها في بناء أسماء المتغيرات تحتاج إلى تحديد عملية أر 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. ردر من عملية أر. تحديد قائمة المعادلات التي يتم تطبيق عملية أر إذا تم إعطاء أكثر من اسم واحد، يتم إنشاء عملية متجه غير مقيد مع المخلفات الهيكلية من جميع المعادلات المدرجة على النحو التراجعات في كل من المعادلات إذا لم يتم تحديدها، فإن القيم الافتراضية ل إندوليست على الاسم. تحدد قائمة التأخيرات التي ستضاف إليها مصطلحات أر حيث يتم تعيين معاملات المصطلحات عند التأخر غير المدرج على 0 يجب أن تكون جميع الفواصل المدرجة أقل من أو تساوي نلاغ و يجب أن لا تكون هناك نسخ مكررة 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 غير المشروطة تقديرات المربعات الصغرى، واحتمالات احتمال أقصى مل M كلاس هو يسمح فقط بالتقسيم الافتراضي M كلس عند تحديد أكثر من معادلة لا تدعم طرائق أولس و مل لنماذج أر المتجهة بواسطة AR. تحدد أن عملية أر ستطبق على إندوغنو s المتغيرات نفسها بدلا من المخلفات الهيكلية للمعادلات. الاستيراد التلقائي. يمكن التحكم في المعلمات التي يتم تضمينها في العملية، وتقييد إلى 0 تلك المعلمات التي لا تشمل أولا، استخدم أر مع الخيار ديفر لإعلان المتغير قائمة وتحديد أبعاد العملية ثم استخدام استدعاء أر إضافية لتوليد مصطلحات للمعادلات المحددة مع المتغيرات المحددة في التأخر المحدد على سبيل المثال. معادلات الخطأ المنتجة هي كما يلي. هذا النموذج يشير إلى أن أخطاء Y1 تعتمد على أخطاء على حد سواء Y1 و Y2 ولكن ليس Y3 في كل من الفارقين 1 و 2، وأن الأخطاء بالنسبة إلى Y2 و Y3 تعتمد على الأخطاء السابقة لجميع المتغيرات الثلاثة، ولكن فقط عند تأخر 1. أر بنية ماكرو للمتجهات المقيدة AR. An الاستخدام البديل ل يسمح أر فرض قيود على عملية أر ناقلات عن طريق استدعاء أر عدة مرات لتحديد مصطلحات أر مختلفة والتخلف عن المعادلات المختلفة. المكالمة الأولى لديها شكل عام. حدد البادئة ل A R لاستخدامها في إنشاء أسماء المتغيرات اللازمة لتعريف عملية أر المتجه. يحدد ترتيب عملية أر. يحدد قائمة المعادلات التي سيتم تطبيق عملية أر. يحدد أن أر ليس لإنشاء عملية أر ولكن هو الانتظار للحصول على مزيد من المعلومات المحددة في وقت لاحق أر يدعو لنفس القيمة الاسم. المكالمات اللاحقة لها form. is العام نفسه كما هو الحال في call. speces الأولى قائمة المعادلات التي المواصفات في هذه الدعوة أر أن تكون التطبيق يمكن أن تظهر الأسماء المحددة فقط في قيمة إندوليست للمكالمة الأولى لقيمة الاسم في قائمة المعادلات في eqlist. specives قائمة المعادلات التي يجب أن تدرج المخلفات الهيكلية المتخلفة كمؤخرات في المعادلات في إكليست الأسماء فقط في إندوليست للمكالمة الأولى لقيمة الاسم يمكن أن تظهر في فارليست إذا لم يتم تحديدها، افتراضات فارليست ل إندوليست. حدد قائمة التأخيرات التي سيتم إضافة مصطلحات أر المعاملات من المصطلحات في التأخر لا ل يتم تعيين إلى 0 يجب أن تكون جميع التأخيرات المدرجة أقل من أو يساوي قيمة نلاغ ويجب أن يكون هناك لا التكرارات إذا لم يحدد، لاغليست الافتراضية لجميع يتخلف 1 من خلال nlag. The ماكرو ماك. ساس ماكرو ما يولد البرمجة البيانات الخاصة ب بروك موديل لنماذج المتوسط ​​المتحرك يعتبر ماكرو ما جزءا من برنامج ساس إتس ولا توجد حاجة إلى خيارات خاصة لاستخدام الماكرو يمكن تطبيق عملية خطأ المتوسط ​​المتوسط ​​على أخطاء المعادلة الهيكلية بناء الجملة ل ماكرو ما هو نفس الماكرو أر باستثناء عدم وجود وسيطة تايب. عندما كنت تستخدم ماك و أر وحدات الماكرو مجتمعة، ماكرو ما يجب اتباع ماكرو أر التالية ساس إمل البيانات تنتج عملية خطأ أرما 1، 1 3 وحفظه في مجموعة بيانات مادات. 2 وتستخدم عبارات بروك موديل التالية لتقدير معلمات هذا النموذج باستعمال أقصى بنية للخطأ المحتملة. وتظهر تقديرات المعلمات التي ينتجها هذا المدى في الشكل 18 61. الشكل 18 61 التقديرات من أرما 1 ، 1 3 بروك 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 و هو إندوليست الافتراضي. هو ترتيب عملية MA. يحدد المعادلات التي يتم تطبيق عملية ما إذا تم إعطاء أكثر من اسم واحد، يتم استخدام تقدير كلس لعملية المتجه. حدد التأخر في والتي يجب أن تضاف الشروط ما يجب أن تكون جميع التأخيرات المدرجة أقل من أو تساوي نلاغ ويجب أن يكون هناك أي تكرارات إذا لم يتم تحديدها، الافتراضي لاغليست لجميع يتخلف 1 من خلال nlag. speces طريقة تقدير لتنفيذ القيم الصالحة من M هي كلس مشروطة تقديرات المربعات الصغرى، أولس غير المشروطة تقديرات المربعات الصغرى، واحتمالات أقصى احتمال مل هو M كلس هو الافتراضي الوحيد يسمح كلس M 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.