问题标签 [autoregressive-models]

我的任务是评估各种环境变量如何影响年度人口波动。为此，我需要为时间序列计数拟合泊松自回归模型：

其中 N _i,j是当年在现场观察到的个体数量，是i当年在现场的环境变量- 这些是输入数据，其余是参数：是一年中现场的预期个体数量，并且是随机的每年的效果。jx_{i,j}ij\mu_{i,j}ij\gamma_{j}

是否可以在 R 中拟合这样的模型？我想避免在贝叶斯框架中拟合它，因为计算需要很长时间（我必须处理 5000 个这样的模型）可能更长。

我已经看到这里和这里提出了这个问题，但不幸的是，答案并不令人满意。在或 中的p参数中输入滞后，R 将包括等于和低于该规定值的所有滞后。VARorderarima

但是，如果您只想要特定的延迟怎么办？例如，如果我只想在 VAR 中使用滞后 1、2 和 4 怎么办？输入 P=4VAR会给我滞后 1、2、3 和 4，但我想排除第三个滞后。

在第一个链接中，用户通过说明他可以使用季节性参数来包含滞后 1,2 和 4 来提供答案，因为他的数据是季度的，但这仅适用于特殊情况，不是通用解决方案。

假设我们遵循模型

https://dsp.stackexchange.com/questions/15326/can-someone-show-the-details-of-how-to-apply-aic-for-sinusoidal-models-to-specif

其中epsilon是白噪声，我尝试了以下代码

但是当我运行以下命令时

我得到了结果

这是否意味着该信号是非平稳的？与我的代码有关的问题是什么？请帮助我

我使用armax模型来描述两个信号之间的关系。我使用了具有不同模型顺序的 matlab armax 函数。

为了评估模型的效率，我从 Report.Fit.FitPercent 中提取了值，期望它能够说明模型与实验数据的拟合程度。因为它是 fitpercent，所以我希望它在 0-100% 之间。我的结果范围从 ~ -257 到 99.99。

我在 mathworks 或其他网站上找不到这个值是如何计算的以及如何解释它。如果您能解释如何理解 fitPercent 值，那就太好了。

我使用的代码非常简单，它为不同的模型结构（订单）生成 FitPercent。

有谁知道如何在格兰杰因果关系（向量自回归模型）中找到参数？
我已经找到了如何估计它们，但是人们通常如何设置这些参数呢？

我正在尝试构建一个 ARMAX 模型，该模型将水库水位高度预测为先前高度和上游流入量的函数。我的数据的时间步长约为 0.041 天，但确实略有不同，我有 3643 个时间序列点。我尝试使用基本的 armax Matlab 命令，但收到此错误：

我正在尝试的代码是：

其中 y 是高程向量，以 y=[135.780 135.800 135.810 135.820 135.820 135.830]' 开始，x 是流量向量，以 x=[238.865 238.411 238.033 237.223 237.223 233.8'为向量的时间戳]以 JDAYs=[122.604 122.651 122.688 122.729 122.771 122.813]' 开头。

我是这种模型类型和系统识别工具箱的新手，所以我在找出导致该错误的原因时遇到了问题。Matlab的例子不是很有帮助......

我正在尝试使用以下代码进行自回归模型参数估计：

然后，我得到了结果以及以下错误：

有没有办法在我的自回归参数估计中消除这些错误？

实际上，我正在尝试使用自回归模型根据这些数据进行预测，

但如果可能的话，我更喜欢一阶自回归模型。

然而，即使是预测值也与预期相差甚远

预测值是问题..

有没有办法根据这些数据从第一个自回归模型中进行良好的预测

和/或任何顺序自回归模型？

如果您能提供任何帮助，我将不胜感激。

非常感谢您！

我想ar()从R. 使用Arima()方法时，我使用fitted(model.object)函数获取它们，但我找不到ar().

我正在使用 Matlab 2013b 和计量经济学工具箱来学习一些 ARIMA 模型。

当我想在 ARIMA 模型中指定 AR 滞后时，如下所示：

那么当我估计模型时一切都很好如果我现在使用

然后发出以下错误：

我对此有点困惑，正在寻找一种解决方法，如果不是对正在发生的事情的解释

我想问你是否有任何自动化方法可以ARIMA(p,d,q)在 MATLAB 中计算任何类型的时间序列数据的模型顺序。

这将使预测模型更准确，也将节省我一些时间。如果有人可以帮助我，我将不胜感激。