Computa la función de log-verosimilitud (LLF) del modelo ARMA estimado.
Sintaxis
ARMA_LLF(X, Order, mean, sigma, phi, ARRAY)
- X
- es la serie de datos de tiempo univariante (un array dimensional de celdas (Ej. filas o columnas)).
- Order
- es el orden de tiempo en la serie de datos.(Ej. el primer punto corresponde a las fecha (la más temprana fecha=1 (por defecto), la más tarde fecha=0)).
Orden Descripción 1 ascendente (el primer punto corresponde a la fecha menor) (por defecto) 0 descendiente (el primer punto corresponde a la fecha mayor) - mean
- es el modelo de la media (ej. mu).
- sigma
- es desviación estándar del modelo residual/innovaciones.
- phi
- son los parámetros del componente del modelo AR(p) (comenzando con el lag más bajo).
- ARRAY
- son los parámetros del componente del modelo MA(q) comenzando con el lag más bajo).
Atención
La función ARMA_LLF() de la version 1.63 es obsoleta: use en su lugar la función ARMA_GOF.
Observaciones
- El modelo subyacente se describe aquí.
- La función de probabilidad logarítmica ( LLF ) se describe aquí.
- Las serie de tiempo es homogénea e igualmente espaceada.
- Las series de tiempo pueden incluir valores faltantes (Ej. #N/A) en cada extremo.
- La desviación estándar de los residuos/innovaciones (i.e. $\sigma$) debe ser mayor a cero.
- El modelo ARMA tiene una distribución normal residual con varianza constante. La función de Log-verosimilitud comienza:
$$\ln L^* = -T\left(\ln 2\pi \hat \sigma^2+1\right)/2 $$
Where:
- $\hat \sigma$ es la desviación estandar de los residuos.
- La estimación maxima de verosimilitud (MLE) es un metodo estadístico para ajustando un modelo a los datos y provee estimaciones para los parámetros del modelo.
- El orden de parámetros en el argumento de entrada - phi - determina el orden del componente AR.
- El orden de parámetros en el argumento de entrada- theta - determina el orden del componente MA.
Ejemplos
Ejemplo 1:
|
|
| Fórmula | Descripción (Resultado) |
|---|---|
| =ARMA_LLF($B$2:$B$30;1;$D$3;$D$4;$D$5;$D$6) | Función Log- Verosimilitud (-2660.88) |
| =ARMA_CHECK($D$3;$D$4;$D$5;$D$6) | Es el modelo ARMA estable? (1) |
Ejemplos de archivos
Enlaces Relacionados
Referencias
- D. S.G. Pollock; Handbook of Time Series Analysis, Signal Processing, and Dynamics; Academic Press; Har/Cdr edition(Nov 17, 1999), ISBN: 125609906
- James Douglas Hamilton; Time Series Analysis; Princeton University Press; 1st edition(Jan 11, 1994), ISBN: 691042896
- Tsay, Ruey S.; Analysis of Financial Time Series; John Wiley & SONS; 2nd edition(Aug 30, 2005), ISBN: 0-471-690740
- Box, Jenkins and Reisel; Time Series Analysis: Forecasting and Control; John Wiley & SONS.; 4th edition(Jun 30, 2008), ISBN: 470272848
- Walter Enders; Applied Econometric Time Series; Wiley; 4th edition(Nov 03, 2014), ISBN: 1118808568
Comentarios
El artículo está cerrado para comentarios.