ARMAX_GOF - Calidad de ajuste de un modelo ARMAX

Computa la medida de bondad de ajuste(Ej. función de log-verosimilitud (LLF), AIC, etc.) del modelo estimado ARIMA.

 

Sintaxis

ARMAX_GOF(Y, X, Order, Beta, mean, sigma, phi, theta, Type)

Y es la respuesta, AKA la matriz de datos de series de tiempo variable dependiente (una matriz/array dimensional de celdas (Ej.filas o columnas)).

X es la variable independiente(factores exógenos) matríz de datos de las serie de tiempo, de manera que cada columna representa una variable.

Order es el orden de tiempo en la serie de datos (Ej. El primer punto correspondiente a la fecha (la fecha más temprana fecha=1 (por defecto), la fecha más tarde fecha=0)).

Orden Descripción
1 ascendente (el primer punto de datos de fecha corresponde a la más temprana) (por defecto)
0 descendente (el primer punto de datos corresponde a la última fecha)

Beta son los coeficientes de la matríz de los factores exógenos.

mean es la media ARMA de largo plazo (Ej. mu).

sigma es la desviación estandar del los residuos del modelo.

phi son los parámetros del modelo componente AR(p)(comenzando con el lag más bajo).

theta son los parámetros del modelo componente MA(q) (comenzando con el lag más bajo).

Type es un número entero para seleccionar la medida de bondad de ajuste: (1=LLF(por defecto), 2=AIC, 3=BIC, 4=HQC).

Orden Descripción
1 Función de Log-Verosimilitud (LLF) (default)
2 Criterio de Información (AIC)
3 Criterio de Información Schwarz/Bayesian (SIC/BIC)
4 Criterio de Información Hannan-Quinn (HQC)
 

Observaciones

  1. El modelo subyacente se describe aquí.
  2. La función de probabilidad logarítmica ( LLF ) se describe aquí.
  3. Cada columna en los factores explicatorios en la matríz de entrada (Ej. X) corresponde a una variable separada.
  4. Cada fila Each en los factores explicatorios en la matríz de entrada (Ej. X) corresponde a una observación.
  5. Observaciones (Ej. filas) con valores falatantes X o Y son asumidos como faltantes.
  6. El número de filas de las variables explicatorias (X) debe ser igual al número de filas de la variable de respuesta (Y).
  7. La serie de tiempo es homogenea e igualmente espaceada
  8. La serie de tiempo puede incluir valores faltantes (Ej. #N/A) en los extremos.
  9. La media a largo plazo puede tener cualquier valor o ser omitida, en ese acaso un valor cero es asumido.
  10. los residuos/innovations de la desviacion estandar (sigma) debe ser mayor que cero.
  11. El modelo ARMA tiene residuos independientes y normalmente distribuídos con varianza constante. La función log-verosimilitud de ARMA comienza:

    $$\ln L^* = -T\left(\ln 2\pi \hat \sigma^2+1\right)/2 $$

    Where:
    • $\hat \sigma$ es la desviación estandar de los residuos.
  12. La máxima estimación de verosimilitud (MLE) es un método estadístico para ajustar un modelo a los datos y provee estimados para los parámetros del modelo.
  13. Para el argumento de entrada (beta):
    • El argumento de entrada es is opcional y puede ser omitido, en ese caso el componente de regresión no es incluído (Ej. plain ARMA).
    • El orden de los parámetros define como el factor exógeno pasa los argumentos de entrada.
    • Uno o más parámetros pueden tener valores faltantes o errores de código (Ej. #NUM!, #VALOR!, etc.).
  14. Para el argumento de entrada (phi):
    • El argumento de entrada es opcional y puede ser omitido, en ese caso el componente AR no es incluido
    • El orden de los parámetros comienza con el lag más bajo.
    • Uno o más parámetros pueden tener valores faltantes o errores de código (Ej. #NUM!, #VALOR!, etc.).
    • El orden del modelo componente AR es solamente determinado por el orden del último valor en la matríz o array con un valor numérico.
  15. Para el argumento de entrada (theta):
    • El argumento de entrada es opcional y puede ser omitido, en ese caso el componente MA no es incluido.
    • El orden de los parámetros comienza con el lag más bajo.
    • Uno o más parámetros pueden tener valores faltantes o errores de código (Ej. #NUM!, #VALOR!, etc.).
    • El orden del modelo componente MA es solamente determinado por el orden del último valor en la matríz o array con un valor numérico.(vs. faltante o error).
  16. La función fue adicionada en versión 1.63 SHAMROCK

Ejemplos de archivos

Referencias

¿Tiene más preguntas? Enviar una solicitud

0 Comentarios