การย้าย ค่าเฉลี่ย แบบ ใน sas

โค้ดตัวอย่างในแท็บรหัสแบบเต็มแสดงวิธีคำนวณค่าเฉลี่ยเคลื่อนที่ของตัวแปรผ่านชุดข้อมูลทั้งหมดในช่วงการสังเกตการณ์ครั้งล่าสุดในชุดข้อมูลหรือมากกว่าการสังเกตการณ์ N ครั้งล่าสุดภายในกลุ่ม BY กลุ่มตัวอย่างไฟล์เหล่านี้และ ตัวอย่างรหัสที่จัดทำโดย SAS Institute Inc โดยไม่มีการรับประกันใด ๆ ไม่ว่าจะโดยชัดแจ้งหรือโดยนัยรวมถึง แต่ไม่ จำกัด เพียงการรับประกันโดยนัยของความสามารถในเชิงพาณิชย์และความเหมาะสมสำหรับวัตถุประสงค์เฉพาะผู้รับทราบและยอมรับว่า SAS Institute จะไม่รับผิดชอบใด ๆ ความเสียหายใด ๆ ที่เกิดขึ้นจากการใช้วัสดุนี้นอกจากนี้ SAS Institute จะให้การสนับสนุนสำหรับเอกสารที่มีอยู่ในเอกสารฉบับนี้ตัวอย่างไฟล์และตัวอย่างโค้ดนี้จัดทำโดย SAS Institute Inc โดยไม่มีการรับประกันใด ๆ ไม่ว่าจะโดยชัดแจ้งหรือโดยนัย, รวมถึง แต่ไม่ จำกัด เฉพาะการรับประกันโดยนัยของความสามารถเชิงพาณิชย์และความเหมาะสมสำหรับวัตถุประสงค์เฉพาะผู้รับทราบและยอมรับว่าสถาบัน SAS จะไม่รับผิดชอบ นอกจากนี้ SAS Institute จะให้การสนับสนุนสำหรับเนื้อหาที่มีการระบุค่าเฉลี่ยเคลื่อนที่ของตัวแปรผ่านชุดข้อมูลทั้งหมดในช่วงการสังเกตการณ์ครั้งล่าสุดในชุดข้อมูลหรือ ในช่วงที่ผ่านมาการสังเกตการณ์ N ภายในกลุ่ม BY ขั้นตอนการประมวลผลค่าเฉลี่ยถดถอยเชิงปานเฉลี่ยกระบวนการผิดพลาดเฉลี่ยเคลื่อนไหวเฉลี่ยข้อผิดพลาด ARMA และรูปแบบอื่น ๆ ที่เกี่ยวข้องกับความล่าช้าของข้อกำหนดข้อผิดพลาดสามารถประมาณโดยใช้งบ FIT และจำลองหรือคาดการณ์โดยใช้งบ SOLVE แบบ ARMA สำหรับข้อผิดพลาด process มักถูกใช้กับโมเดลที่มีส่วนที่ตกค้าง autocorrelated แมโคร AR สามารถใช้เพื่อระบุโมเดลที่มีกระบวนการข้อผิดพลาดแบบ autoregressive MA macro สามารถใช้เพื่อระบุโมเดลที่มีค่าผิดพลาดในการเคลื่อนย้ายเฉลี่ยได้ Errors แบบตอบกลับข้อผิดพลาดแบบจำลองที่มีข้อผิดพลาด autoregressive อันดับแรก AR 1 มีรูปแบบในขณะที่กระบวนการข้อผิดพลาด AR 2 มีรูปแบบและอื่น ๆ สำหรับกระบวนการที่สูงขึ้นเพื่อให้ทราบว่า s เป็น indepen และมีค่าประมาณเท่ากับ 0. ตัวอย่างของแบบจำลองที่มีส่วนประกอบ AR 2 คือคุณจะเขียนแบบจำลองนี้เป็นดังนี้หรือเทียบเท่าโดยใช้มาโคร AR เป็นแบบจำลองเฉลี่ย. แบบจำลองที่มีการย้ายลำดับแรก ข้อผิดพลาดเฉลี่ย MA 1 มีรูปแบบที่มีการกระจายเหมือนกันและเป็นอิสระกับค่าเฉลี่ยศูนย์กระบวนการข้อผิดพลาด MA 2 มีฟอร์มและอื่น ๆ สำหรับกระบวนการที่สูงกว่าการสั่งซื้อตัวอย่างเช่นคุณสามารถเขียนแบบจำลองการถดถอยเชิงเส้นแบบง่ายกับ MA 2 ค่าเฉลี่ยความผิดพลาดโดยเฉลี่ยที่ MA1 และ MA2 เป็นค่าเฉลี่ยเคลื่อนที่หมายเหตุว่า RESID Y ถูกกำหนดโดย PROC MODEL โดยอัตโนมัติหมายเหตุว่า RESID Y คือฟังก์ชัน ZLAG ต้องถูกใช้สำหรับ MA models เพื่อตัดทอนการซ้ำซ้อนของ lags นี้ ทำให้มั่นใจได้ว่าข้อผิดพลาดที่ lagged เริ่มต้นที่ศูนย์ในระยะ lag-priming และไม่เผยแพร่ค่าที่หายไปเมื่อตัวแปร lag-priming period หายไปและทำให้มั่นใจว่าข้อผิดพลาดในอนาคตจะเป็นศูนย์แทนที่จะหายไประหว่างการจำลองหรือการคาดการณ์สำหรับรายละเอียดเกี่ยวกับ หน้าที่ล้าหลังดู Lag Log ส่วนรูปแบบนี้เขียนโดยใช้ MA แมโครเป็นแบบฟอร์มทั่วไปสำหรับ ARMA โมเดลทั่วไป ARMA p, q กระบวนการมีรูปแบบต่อไปนี้ ARMA p, q รุ่นสามารถระบุได้ดังต่อไปนี้ที่นี่ AR i และ MA j แสดงค่าพารามิเตอร์เฉลี่ยอัตโนมัติและค่าเฉลี่ยเคลื่อนที่สำหรับ lags ต่างๆคุณสามารถใช้ชื่อใด ๆ ที่คุณต้องการสำหรับตัวแปรเหล่านี้และมีวิธีที่เท่าเทียมกันจำนวนมากที่สามารถเขียนข้อมูลได้นอกจากนี้กระบวนการ ARMA ของ ARC ยังสามารถประมาณด้วย PROC MODEL ตัวอย่างเช่นกระบวนการ AR 1 ตัวแปรสองตัวแปรสำหรับข้อผิดพลาดของตัวแปรภายในสองตัว Y1 และ Y2 สามารถระบุได้ดังต่อไปนี้ปัญหาความแปรปรวนของโมเดล ARMA โมเดลของ ARMA สามารถคาดการณ์ได้ยากหากค่าประมาณของพารามิเตอร์ไม่อยู่ในช่วงที่เหมาะสม , รูปแบบของค่าสัมบูรณ์ที่มีการเคลื่อนที่โดยเฉลี่ยจะเพิ่มขึ้นอย่างเป็นรูปธรรมส่วนที่เหลือที่คำนวณได้สำหรับข้อสังเกตในภายหลังอาจมีขนาดใหญ่มากหรืออาจล้นได้ซึ่งอาจเกิดขึ้นได้เนื่องจากค่าเริ่มต้นที่ไม่เหมาะสมถูกใช้หรือเนื่องจาก iterations ย้ายออกไปจากค่าที่เหมาะสมค่าควรจะใช้ในการเลือกค่าเริ่มต้นสำหรับพารามิเตอร์ ARMA ค่าเริ่มต้นของ 001 สำหรับพารามิเตอร์ ARMA มักจะทำงานถ้ารูปแบบที่เหมาะกับข้อมูลได้ดีและเป็นปัญหาที่มีการปรับอากาศโปรดทราบว่าแบบจำลอง MA สามารถมักจะประมาณ โดยรูปแบบ AR สูงเพื่อและในทางกลับกันซึ่งอาจส่งผลให้ collinearity สูงในรูปแบบ ARMA ผสมซึ่งจะทำให้เกิดความผิดร้ายแรงในการคำนวณและความไม่แน่นอนของการประมาณค่าพารามิเตอร์ถ้าคุณมีปัญหาการลู่เข้าในขณะที่ประมาณแบบด้วย ขั้นตอนข้อผิดพลาด ARMA พยายามที่จะประมาณขั้นตอนแรกใช้คำสั่ง FIT เพื่อประมาณค่าพารามิเตอร์โครงสร้างที่มีพารามิเตอร์ ARMA ที่จัดไว้ให้เป็นศูนย์หรือให้ค่าประมาณที่เหมาะสมก่อนหน้านี้ถ้ามีแล้วใช้คำสั่ง FIT อื่นเพื่อประมาณพารามิเตอร์ ARMA เท่านั้นโดยใช้ ค่าพารามิเตอร์โครงสร้างจากการทำงานครั้งแรกเนื่องจากค่าของพารามิเตอร์โครงสร้างมีแนวโน้มที่จะใกล้เคียงกับการประมาณการขั้นสุดท้ายพารามิเตอร์ ARMA r ตอนนี้อาจมาบรรจบกันสุดท้ายใช้คำสั่ง FIT อื่นเพื่อสร้างการประมาณค่าพารามิเตอร์ทั้งหมดพร้อมกันเนื่องจากค่าเริ่มต้นของพารามิเตอร์นี้ใกล้เคียงกับการประมาณการร่วมขั้นสุดท้ายแล้วการประมาณการควรมาบรรจบกันอย่างรวดเร็วหากรูปแบบนั้นเหมาะสำหรับ data. AR เงื่อนไขเริ่มต้นความล่าช้าในการเริ่มต้นของเงื่อนไขข้อผิดพลาดของ AR p models สามารถสร้างแบบจำลองได้หลายวิธีวิธีการเริ่มต้นข้อผิดพลาด autoregressive ที่ได้รับการสนับสนุนโดย SAS ETS มีดังต่อไปนี้. เงื่อนไขเงื่อนไขน้อยที่สุดเงื่อนไขเงื่อนไข ARIMA และ MODEL ขั้นต่ำสุดเงื่อนไขเงื่อนไขเงื่อนไข สี่เหลี่ยม AUTOREG, ARIMA และ MODEL ขั้นตอนสูงสุดความน่าจะเป็นสูงสุด AUTOREG, ARIMA และ MODEL ขั้นตอนการ YOW Yule-Walker ขั้นตอน AUTOREG เท่านั้น HL Hildreth-Lu ซึ่งจะลบขั้นตอนการสังเกตการณ์ครั้งแรก MODEL เท่านั้นดูบทที่ 8 สำหรับคำอธิบายและการอภิปราย ของความสำเร็จของวิธีการเริ่มต้น AR p ต่างๆ CLS, ULS, ML และ HL initializations สามารถทำได้โดย PROC MODEL สำหรับข้อผิดพลาด AR 1 เริ่มต้นเหล่านี้ zations สามารถผลิตได้ดังแสดงในตารางที่ 14 2 วิธีการเหล่านี้จะเทียบเท่ากับตัวอย่างขนาดใหญ่ตารางที่ 14 2 Initializations ดำเนินการโดย PROC MODEL AR 1 ERRORS. MA เงื่อนไขเริ่มต้นข้อผิดพลาดครั้งแรกของข้อผิดพลาดของ MA q models สามารถถูกจำลองใน กระบวนวิธีการเริ่มต้นข้อผิดพลาดของค่าเฉลี่ยเคลื่อนที่ดังต่อไปนี้ได้รับการสนับสนุนโดย ARIMA และ MODEL ขั้นตอนการปฏิบัติงานอย่างน้อยที่สุดไม่มีเงื่อนไขเงื่อนไขเงื่อนไขอย่างน้อยที่สุดสี่เหลี่ยมน้อยที่สุดเงื่อนไขการประมาณค่าน้อยสุดของเงื่อนไขข้อผิดพลาดเฉลี่ยของการเคลื่อนไหวไม่น้อยกว่าสี่เหลี่ยมจัตุรัส ปัญหาการสตาร์ทซึ่งจะช่วยลดประสิทธิภาพของการประมาณแม้ว่าจะยังคงเป็นกลางส่วนที่เหลือล้าหลังเริ่มต้นก่อนที่จะเริ่มต้นของข้อมูลจะถือว่าเป็น 0 ค่าที่คาดว่าจะไม่มีเงื่อนไขของพวกเขานี่คือความแตกต่างระหว่างส่วนที่เหลือเหล่านี้กับสี่เหลี่ยมจัตุรัสน้อยที่สุด ส่วนที่เหลือสำหรับค่าเฉลี่ยความแปรปรวนเฉลี่ยซึ่งแตกต่างจากโมเดลอัตถิภาวนิยมยังคงมีอยู่ผ่านชุดข้อมูล converges แตกต่างกันได้อย่างรวดเร็วถึง 0 แต่สำหรับเกือบ noninvertible กระบวนการเฉลี่ยเคลื่อนที่ convergence ค่อนข้างช้าเพื่อลดปัญหานี้คุณควรมีข้อมูลจำนวนมากและค่าเฉลี่ยการเคลื่อนไหวประมาณควรจะดีในช่วง invertible ปัญหานี้สามารถแก้ไขได้ที่ ค่าใช้จ่ายในการเขียนโปรแกรมที่ซับซ้อนมากขึ้นค่าประมาณอย่างน้อยที่สุดสี่เหลี่ยมสำหรับขั้นตอน MA 1 สามารถสร้างได้โดยการระบุรูปแบบดังต่อไปนี้ข้อผิดพลาดที่เกิดขึ้นโดยเฉลี่ยอาจเป็นเรื่องยากที่จะคาดคะเนคุณควรพิจารณาการประมาณค่า AR p ไปเป็นค่าเฉลี่ยเคลื่อนที่ กระบวนการเฉลี่ยถ่วงน้ำหนักอาจเป็นไปในทางที่ดีโดยกระบวนการอัตโนมัติถ้าข้อมูลไม่ได้รับการปรับให้เรียบหรือแตกต่าง AR Macro SAS macro AR สร้างคำสั่งการเขียนโปรแกรมสำหรับ PROC MODEL สำหรับโมเดลอัตถิภาวนิยมแมโคร AR เป็นส่วนหนึ่งของซอฟต์แวร์ SAS ETS และไม่มีตัวเลือกพิเศษที่จำเป็นต้องตั้งค่าให้ใช้มาโครขั้นตอน autoregressive สามารถใช้กับข้อผิดพลาดของสมการโครงสร้างหรือ ชุด endogenous ตัวเองอาร์เรย์ AR สามารถใช้ for. univariate autoregression. unrestricted vector autoregression. contricted vector autoregression. Univariate Autoregression. To รุ่นคำผิดพลาดของสมการเป็นกระบวนการ autoregressive ใช้คำสั่งต่อไปนี้หลังจากสมการตัวอย่างเช่น สมมติว่า Y เป็นฟังก์ชันเชิงเส้นของ X1 และ X2 และเกิดข้อผิดพลาด AR 2 คุณจะเขียนแบบจำลองนี้ดังต่อไปนี้การเรียก AR ต้องมาหลังจากสมการทั้งหมดที่ใช้กับกระบวนการนี้การเรียกใช้แมโครขั้นตอน AR y , 2, สร้างคำสั่งที่แสดงในผลลัพธ์ของ LIST ในรูปที่ 14 49. รูปที่ 14 50 ตัวเลือกรายการ LIST สำหรับรุ่น AR ที่มีความล่าช้าที่ 1, 12 และ 13 มีรูปแบบของวิธีการน้อยที่สุดที่มีเงื่อนไขขึ้นอยู่กับว่า ข้อสังเกตที่จุดเริ่มต้นของซีรีส์ใช้เพื่ออุ่นเครื่องกระบวนการ AR โดยดีฟอลต์วิธีอาร์เรย์น้อยที่สุดของเงื่อนไขอาร์เรย์จะใช้ข้อสังเกตทั้งหมดและสันนิษฐานค่าศูนย์สำหรับระยะเวลาเริ่มต้นของข้อกำหนดเชิงอัตรกรรมโดยใช้ตัวเลือก M คุณสามารถขอให้อาร์กิวเมนต์ใช้ ULS น้อยที่สุดไม่มีเงื่อนไขหรือวิธี ML สูงสุดที่เป็นไปได้แทนตัวอย่างเช่นการวิเคราะห์วิธีการเหล่านี้มีอยู่ในเงื่อนไขการเริ่มต้น AR ก่อนหน้าในส่วนนี้โดยการใช้ตัวเลือก M CLS n คุณสามารถร้องขอได้ ที่สังเกต n แรกจะใช้ในการคำนวณค่าประมาณของความล่าช้า autoregressive เริ่มต้นในกรณีนี้การวิเคราะห์จะเริ่มต้นด้วยการสังเกต n 1 ตัวอย่างเช่นคุณสามารถใช้มาโคร AR เพื่อใช้โมเดลอัตถิภาวนากับตัวแปรภายในได้แทนที่จะเป็นข้อผิดพลาด ระยะยาวโดยใช้ตัวเลือก TYPE V ตัวอย่างเช่นถ้าคุณต้องการเพิ่มห้าลาก่อนที่ผ่านมาของ Y ไปยังสมการในตัวอย่างก่อนหน้านี้คุณสามารถใช้ AR เพื่อสร้างพารามิเตอร์และล่าช้าโดยใช้คำสั่งต่อไปนี้ข้อความก่อนหน้านี้สร้าง เอาท์พุทแสดงในรูปที่ 14 51. ขั้นตอน MODEL รายการของรหัสโปรแกรมคอมไพล์การจัดเก็บเป็นแพ็กเกจ PRED yab x1 c x2.RESID y PRED y - จริง y. ERROR y PRED y - y OLDPRED y PRED y yl1 ZLAG1 yyl2 ZLAG2 y yl3 ZLAG3 y yl4 ZLAG4 y yl5 ZLAG5 y. RESID y PRED y - ACTUAL y. ERROR y PRED y - y. Figure 14 51 รายการตัวเลือก Output สำหรับรุ่น AR ของ Y รุ่นนี้ คาดการณ์ว่า Y เป็นชุดค่าผสมเชิงเส้นของ X1, X2, การสกัดกั้นและค่าของ Y ในช่วงห้าสมัยที่ผ่านมาการจำแนกเวกเตอร์ที่ไม่ จำกัด อิสระในการสร้างแบบจำลองข้อผิดพลาดของชุดสมการเป็นกระบวนการอัตถิภาวนิยมแบบเวกเตอร์ให้ใช้แบบฟอร์มต่อไปนี้ ของแมโคร AR หลังจากสมการค่า processname คือชื่อที่คุณใส่สำหรับ AR เพื่อใช้ในการสร้างชื่อสำหรับพารามิเตอร์ autoregressive คุณสามารถใช้มาโคร AR เพื่อสร้างกระบวนการ AR หลาย ๆ แบบสำหรับชุดสมการต่างๆโดยใช้ชื่อกระบวนการที่แตกต่างกัน สำหรับแต่ละชุดชื่อกระบวนการตรวจสอบให้แน่ใจว่าชื่อตัวแปรที่ใช้ไม่ซ้ำกันใช้ค่าของกระบวนการสั้น ๆ สำหรับกระบวนการนี้ถ้าการประมาณค่าพารามิเตอร์ถูกเขียนลงในชุดข้อมูลเอาต์พุตอาร์กิวเมนต์ AR พยายามสร้างชื่อพารามิเตอร์น้อยกว่าหรือเท่ากับแปดอักขระ แต่ th จะถูก จำกัด โดยความยาวของชื่อที่ใช้เป็นคำนำหน้าสำหรับชื่อพารามิเตอร์ AR ค่า variablelist คือรายการตัวแปรภายนอกสำหรับสมการตัวอย่างสมมติว่าข้อผิดพลาดสำหรับสมการ Y1, Y2 และ Y3 ถูกสร้างขึ้นโดย ขั้นตอน autoregressive vector ลำดับที่สองคุณสามารถใช้คำสั่งต่อไปนี้ซึ่งจะสร้างต่อไปนี้สำหรับ Y1 และรหัสที่คล้ายคลึงกันสำหรับ Y2 และ Y3. เฉพาะกรณีที่มีเงื่อนไขอย่างน้อยที่สุดของ M CLS หรือ M CLS n สามารถใช้กระบวนการเวกเตอร์ได้คุณสามารถ นอกจากนี้ยังใช้รูปแบบเดียวกันกับข้อ จำกัด ที่ว่าค่าสัมประสิทธิ์เมตริกซ์เป็น 0 ที่เลือกล่าช้าตัวอย่างเช่น statement. apply เวกเตอร์ลำดับที่สามไปสู่สมการข้อผิดพลาดกับค่าสัมประสิทธิ์ทั้งหมดที่ความล่าช้า 2 จำกัด ไว้ที่ 0 และมีค่าสัมประสิทธิ์ที่ล่าช้า 1 และ 3 ไม่มีข้อ จำกัด คุณสามารถจำลองสามชุด Y1-Y3 เป็นกระบวนการ autoregressive เวกเตอร์ในตัวแปรแทนในข้อผิดพลาดโดยใช้ตัวเลือก TYPE V ถ้าคุณต้องการรูปแบบ Y1-Y3 เป็นหน้าที่ของค่าที่ผ่านมาของ Y1-Y3 และ exogeno บางส่วน เราตัวแปรหรือค่าคงที่คุณสามารถใช้ AR ในการสร้างคำสั่งสำหรับเงื่อนไขล่าช้าเขียนสมการสำหรับแต่ละตัวแปรสำหรับส่วนที่ไม่เป็นไปตามแนวตั้งของโมเดลจากนั้นเรียก AR พร้อมกับตัวเลือก TYPE V ตัวอย่างเช่นส่วนที่ไม่เป็นไปตามข้อกำหนดของโมเดลสามารถ จะเป็นหน้าที่ของตัวแปรภายนอกหรืออาจจะตัดค่าพารามิเตอร์ถ้าไม่มีส่วนประกอบภายนอกไปยังรูปแบบการโต้วาทีแบบเวกเตอร์รวมทั้งไม่มี intercepts จากนั้นกำหนดค่าเป็นศูนย์ให้กับแต่ละตัวแปรต้องมีการกำหนดให้กับแต่ละตัวแปรก่อนที่ AR จะเป็น เรียกว่าตัวอย่างนี้เป็นเวกเตอร์ Y Y1 Y2 Y3 เป็นฟังก์ชันเชิงเส้นของค่าในสองช่วงก่อนหน้านี้และมีรูปแบบข้อผิดพลาดของสัญญาณรบกวนสีขาวรูปแบบมีพารามิเตอร์ 18 3 3 3 3 ข้อผิดพลาดของ AR Macro มีสองกรณี ของไวยากรณ์ของอาร์เรย์ AR แรกมี form. name ทั่วไประบุคำนำหน้าสำหรับ AR เพื่อใช้ในการสร้างชื่อของตัวแปรที่จำเป็นในการกำหนดกระบวนการ AR หากไม่มีการระบุ endolist รายการ endogenous จะเริ่มต้น ชื่อซึ่งจะต้องเป็นชื่อของสมการซึ่งใช้กระบวนการข้อผิดพลาด AR ค่าชื่อไม่เกินแปดตัวอักษร nlag คือลำดับของ process. endolist AR ระบุรายการสมการที่จะใช้กระบวนการ AR ถ้ามีมากกว่าหนึ่งชื่อจะมีการสร้างกระบวนการเวกเตอร์ที่ไม่ จำกัด ด้วยส่วนที่มีโครงสร้างของสมการทั้งหมดที่รวมอยู่ใน regressors ในแต่ละสมการหากไม่ได้ระบุค่าเริ่มต้น endolist ให้กับ name. laglist ระบุรายการล่าช้าที่ AR เงื่อนไขที่จะมีการเพิ่มค่าสัมประสิทธิ์ของเงื่อนไขที่ล่าช้าไม่อยู่ในรายการจะถูกกำหนดเป็น 0 ทั้งหมดที่ระบุไว้ล่าช้าต้องน้อยกว่าหรือเท่ากับ nlag และต้องมีรายการที่ซ้ำกันถ้าไม่ได้ระบุค่าเริ่มต้น laglist กับทุก lags 1 ถึง nlag วิธีการ M ระบุวิธีการประมาณค่าที่จะใช้ค่าที่ถูกต้องของ M คือ CLS เงื่อนไขอย่างน้อยที่สุดสี่เหลี่ยมประมาณ ULS ไม่มีเงื่อนไขอย่างน้อยที่สุดสี่เหลี่ยมประมาณและ ML สูงสุดโอกาสประมาณการ M CLS เป็นค่าเริ่มต้นเฉพาะ M CLS เป็น allo wed เมื่อมีการระบุสมการมากกว่าหนึ่งสมการวิธีการ ULS และ ML ไม่ได้รับการสนับสนุนสำหรับรูปแบบเวกเตอร์ AR โดย AR. TYPE V ระบุว่ากระบวนการ AR จะถูกนำไปใช้กับตัวแปรภายในตัวเองแทนที่จะเป็นส่วนที่เหลืออยู่ของสมการที่ถูก จำกัด ไว้ คุณสามารถควบคุมพารามิเตอร์ที่จะรวมอยู่ในกระบวนการ จำกัด พารามิเตอร์เหล่านั้นที่คุณไม่ได้รวมถึง 0 ก่อนใช้ AR กับตัวเลือก DEFER เพื่อประกาศรายการตัวแปรและกำหนดขนาดของกระบวนการจากนั้นให้ใช้การโทร AR เพิ่มเติม เพื่อสร้างข้อตกลงสำหรับสมการที่เลือกกับตัวแปรที่เลือกที่ล่าช้าที่เลือกตัวอย่างเช่นสมการข้อผิดพลาดที่ผลิตเป็นรุ่นนี้ระบุว่าข้อผิดพลาดสำหรับ Y1 ขึ้นอยู่กับข้อผิดพลาดของทั้ง Y1 และ Y2 แต่ไม่ Y3 ที่ทั้งล่าช้า 1 และ 2 และที่ ข้อผิดพลาดสำหรับ Y2 และ Y3 ขึ้นอยู่กับข้อผิดพลาดก่อนหน้านี้สำหรับทั้งสามตัวแปร แต่เฉพาะที่ล่าช้า 1 อาร์คันซอไวยากรณ์สำหรับเวกเตอร์ที่ถูก จำกัด AR. An การใช้ทางเลือกของ AR ได้รับอนุญาตให้กำหนดข้อ จำกัด ใน กระบวนการ AR เวกเตอร์โดยการเรียกอาร์เรย์หลายครั้งเพื่อระบุเงื่อนไขอาร์เรย์ที่แตกต่างกันและล่าช้าสำหรับสมการที่แตกต่างกันการเรียกครั้งแรกมีรูปแบบทั่วไประบุคำนำหน้าสำหรับ AR ที่จะใช้ในการสร้างชื่อของตัวแปรที่จำเป็นในการกำหนดเวกเตอร์ AR process. nlag ระบุลำดับของ process. endolist AR ระบุรายชื่อของสมการที่จะใช้กระบวนการ AR ซึ่งระบุว่า AR ไม่ได้สร้างกระบวนการ AR แต่รอข้อมูลเพิ่มเติมที่ระบุไว้ในการเรียก AR ในภายหลังสำหรับเดียวกัน ค่าชื่อสายที่ตามมามีแบบฟอร์มทั่วไปเหมือนกันกับใน call. eqlist แรกระบุรายการสมการซึ่งข้อกำหนดในการเรียก AR นี้จะใช้เฉพาะชื่อที่ระบุไว้ในค่า endolist ของการเรียกครั้งแรกเท่านั้น ค่าชื่อสามารถปรากฏในรายการสมการใน eqlist. varlist ระบุรายการของสมการที่เหลือ lagged เศษโครงสร้างที่จะรวมเป็น regressors ในสมการใน eqlist เฉพาะชื่อใน endoli st ของการเรียกครั้งแรกสำหรับค่าชื่อสามารถปรากฏใน varlist หากไม่ได้ระบุค่าดีฟอลต์ของ varlist ไปที่ endolist. laglist ระบุรายการล่าช้าที่จะเพิ่มเงื่อนไข AR ค่าสัมประสิทธิ์ของเงื่อนไขที่ lags ไม่อยู่ในรายการจะถูกตั้งเป็น 0 ทั้งหมดที่ระบุไว้ล่าช้าต้องน้อยกว่าหรือเท่ากับค่าของ nlag และต้องไม่มีรายการที่ซ้ำกันถ้าไม่ได้ระบุค่าเริ่มต้น laglist กับความล่าช้าทั้งหมด 1 ถึงแมโครแมโคร Macro แมโคร SAS สร้างงบโปรแกรมสำหรับ PROC MODEL สำหรับ รุ่นเฉลี่ยเคลื่อนที่ MA แมโครเป็นส่วนหนึ่งของซอฟต์แวร์ SAS ETS และไม่มีตัวเลือกพิเศษที่จำเป็นในการใช้แมโครกระบวนการคำนวณความผิดพลาดโดยเฉลี่ยสามารถนำไปใช้กับข้อผิดพลาดของสมการโครงสร้างไวยากรณ์ของ MA แมโครนั้นเหมือนกับแมโคร AR ยกเว้นมี ไม่มีอาร์กิวเมนต์ TYPE เมื่อคุณใช้แมโค MA และ AR รวมแมโครแมโครจะต้องปฏิบัติตามแมโคร AR ต่อไปนี้ SAS IML งบก่อให้เกิดข้อผิดพลาด ARMA 1, 1 3 และบันทึกไว้ในชุดข้อมูล MADAT2 ต่อไปนี้ PROC MODEL stateme ค่าประมาณของพารามิเตอร์ที่ผลิตโดยการดำเนินการดังกล่าวจะแสดงในรูปที่ 14 52. ความเป็นไปได้สูงสุด ARMA 1, 1 3. รูปที่ 14 52 ค่าประมาณจาก ARMA 1, 1 3 Process. Syntax ของมาโครแมโครมีสองกรณีของไวยากรณ์สำหรับ MA แมโครแรกมี form. name ทั่วไประบุคำนำหน้าสำหรับ MA ที่จะใช้ในการสร้างชื่อของตัวแปรที่จำเป็นในการกำหนดกระบวนการ MA และเป็น endolist เริ่มต้น. nlag คือลำดับของ process. endolist ของ MA ระบุสมการที่จะใช้กระบวนการ MA หากมีมากกว่าหนึ่งชื่อการประมาณค่า CLS จะใช้สำหรับเวกเตอร์ process. laglist ระบุความล่าช้าที่เงื่อนไขของ MA เป็น ที่จะเพิ่มล่าช้าที่ระบุไว้ทั้งหมดจะต้องน้อยกว่าหรือเท่ากับ nlag และจะต้องไม่มีรายการที่ซ้ำกันหากไม่ได้ระบุค่าเริ่มต้น laglist ไปยัง lags ทั้งหมด 1 ผ่านทาง nlag. M method ระบุวิธีการประมาณค่าที่จะใช้ค่าที่ถูกต้องของ M คือ CLS เงื่อนไขอย่างน้อย ประมาณการโดยประมาณ ULS การคำนวณกำลังสองน้อยที่สุดที่ไม่มีเงื่อนไขและค่าประมาณความเป็นไปได้สูงสุดของ ML M CLS เป็นค่าเริ่มต้นเฉพาะ M CLS ที่ได้รับอนุญาตเมื่อมีการระบุสมการมากกว่าหนึ่งสมการใน endolist แมโครไวยากรณ์แมโครสำหรับการเคลื่อนที่แบบเวกเตอร์ที่ถูก จำกัด การใช้งานทางเลือกของแมสซาชูเซตส์ได้รับอนุญาตให้กำหนดข้อ จำกัด เกี่ยวกับกระบวนการเวกเตอร์ MA โดยการเรียก MA หลายครั้งเพื่อระบุเงื่อนไข MA ที่แตกต่างกันและล่าช้าสำหรับสมการที่แตกต่างกันการเรียกครั้งแรกมีรูปแบบทั่วไประบุ คำนำหน้าสำหรับ MA ใช้ในการสร้างชื่อของตัวแปรที่จำเป็นในการกำหนดเวกเตอร์แมสซาชูเซตส์ process. nlag ระบุลำดับของ process. endolist MA ระบุรายการสมการที่จะใช้กระบวนการ MA ซึ่งระบุว่า MA ไม่ใช่ เพื่อสร้างกระบวนการ MA แต่จะรอข้อมูลเพิ่มเติมที่ระบุไว้ในภายหลังเรียก MA สำหรับค่าชื่อเดียวกันโทรต่อมามี form. name ทั่วไปเหมือนกับใน call. eqlist แรกระบุรายการของสมการที่ข้อกำหนด ในการเรียก MA นี้จะใช้. varlist ระบุรายชื่อสมการที่มีส่วนที่เหลือล้นเหลือโครงสร้างจะรวมอยู่ใน regressors ในสมการใน eqlist. laglist ระบุรายการล่าช้า a. ประมวลผลข้อผิดพลาด ARMA และโมเดลอื่น ๆ ที่เกี่ยวข้องกับความล่าช้าของข้อกำหนดข้อผิดพลาดสามารถประมาณได้โดยการใช้งบ FIT และจำลองหรือคาดการณ์โดยใช้งบ SOLVE แบบ ARMA สำหรับกระบวนการข้อผิดพลาดมักจะเกิดขึ้น ใช้สำหรับโมเดลที่มีส่วนสัมพันธ์ที่สัมพันธ์กันกับ autocorrelated แมโคร AR สามารถใช้เพื่อระบุโมเดลที่มีกระบวนการข้อผิดพลาดแบบอัตโนมัติแมโคร MA สามารถใช้เพื่อระบุโมเดลที่มีกระบวนการเกิดข้อผิดพลาดในการเคลื่อนที่เฉลี่ยข้อผิดพลาดแบบอัตโนมัติกับข้อผิดพลาดในการทำงานอัตโนมัติขั้นแรก AR 1, มีรูปแบบในขณะที่กระบวนการข้อผิดพลาดของ AR 2 มีรูปแบบและอื่น ๆ สำหรับกระบวนการที่สูงขึ้นโปรดทราบว่า s มีความเป็นอิสระและมีการกระจายแบบเดียวกันและมีค่าที่คาดว่าจะเท่ากับ 0. ตัวอย่างของรูปแบบที่มีส่วนประกอบ AR 2 คือ และอื่น ๆ สำหรับขั้นตอนการสั่งซื้อที่สูงขึ้นตัวอย่างเช่นคุณสามารถเขียนแบบจำลองการถดถอยเชิงเส้นแบบง่ายๆที่มีข้อผิดพลาด MA2 ค่าเฉลี่ยเคลื่อนที่ที่ MA1 และ MA2 เป็นค่าเฉลี่ยที่เคลื่อนที่ได้หมายเหตุว่า RESID Y ถูกกำหนดโดย PROC MODEL โดยอัตโนมัติหมายเหตุว่า RESID Y เป็นค่าลบของฟังก์ชัน ZLAG ต้องถูกใช้สำหรับ MA models เพื่อตัดทอนการซ้ำซ้อนของ lags เพื่อให้มั่นใจว่าข้อผิดพลาด lagged เริ่มต้นที่ศูนย์ในช่วง priming lag และทำ ไม่แพร่กระจายค่าที่หายไปเมื่อตัวแปร lag-priming period ขาดหายไปและช่วยให้มั่นใจว่าข้อผิดพลาดในอนาคตจะเป็นศูนย์แทนที่จะหายไประหว่างการจำลองหรือการคาดการณ์สำหรับรายละเอียดเกี่ยวกับฟังก์ชันล่าช้าให้ดูที่ส่วน Lag Logic แบบจำลองนี้เขียนขึ้นโดยใช้มาโครแมคโครคือ ดังต่อไปนี้แบบฟอร์มทั่วไปสำหรับรูปแบบ ARMA ทั่วไป ARMA p, q กระบวนการมีรูปแบบต่อไปนี้ ARMA p, q model สามารถระบุได้ดังต่อไปนี้ AR i และ MA j แสดงพารามิเตอร์ autoregressive และเคลื่อนไหวเฉลี่ยสำหรับ lags คุณสามารถใช้ชื่อใด ๆ ที่คุณต้องการสำหรับตัวแปรเหล่านี้ได้และมีวิธีที่เหมือนกันหลายแบบที่สามารถเขียนข้อมูลได้นอกจากนี้กระบวนการ ARMA ของ ARC ยังสามารถประมาณด้วย PROC MODEL ตัวอย่างเช่นกระบวนการ AR 1 ตัวแปรสำหรับตัวแปร e ความผิดพลาดของตัวแปรทั้งสองแบบ endogenous Y1 และ Y2 สามารถระบุได้ดังต่อไปนี้ปัญหาความแปรปรวนของโมเดล ARMA โมเดลของ ARMA อาจเป็นเรื่องยากที่จะประมาณถ้าค่าประมาณของพารามิเตอร์ไม่อยู่ในช่วงที่เหมาะสม ส่วนที่เหลือที่คำนวณได้สำหรับการสังเกตในภายหลังอาจมีขนาดใหญ่มากหรืออาจล้นได้สิ่งนี้อาจเกิดขึ้นได้เนื่องจากค่าเริ่มต้นที่ไม่เหมาะสมถูกนำมาใช้หรือเนื่องจากการทำซ้ำย้ายออกไปจากค่าที่สมเหตุสมผลควรเลือกใช้ค่าเริ่มต้นสำหรับพารามิเตอร์ ARMA ค่าเริ่มต้น 0 001 สำหรับ ARMA พารามิเตอร์มักจะทำงานถ้ารูปแบบที่เหมาะกับข้อมูลได้ดีและปัญหาเป็นอย่างดีโปรดทราบว่าแบบจำลอง MA สามารถมักจะประมาณโดยรูปแบบ AR สูงสั่งซื้อและในทางกลับกันซึ่งอาจทำให้ collinearity สูงในรูปแบบ ARMA ผสมซึ่งใน เปิดอาจทำให้เกิดการไม่ถูกต้องร้ายแรงในการคำนวณและความไม่มีเสถียรภาพของการประมาณค่าพารามิเตอร์ถ้าคุณมีปัญหาการลู่เข้าในขณะที่ประมาณแบบ w จากขั้นตอนข้อผิดพลาด ARMA ลองประมาณค่าในขั้นตอนก่อนอื่นให้ใช้คำสั่ง FIT เพื่อประมาณค่าพารามิเตอร์โครงสร้างที่มีพารามิเตอร์ ARMA ที่จัดไว้ให้เป็นศูนย์หรือให้ค่าประมาณที่เหมาะสมก่อนหน้านี้ถ้ามีแล้วใช้คำสั่ง FIT อื่นเพื่อประมาณพารามิเตอร์ ARMA เท่านั้นโดยใช้ ค่าพารามิเตอร์โครงสร้างจากการทำงานครั้งแรกเนื่องจากค่าของพารามิเตอร์โครงสร้างมีแนวโน้มใกล้เคียงกับการประมาณขั้นสุดท้ายของพวกเขาแล้วค่าพารามิเตอร์ ARMA อาจมาบรรจบกันสุดท้ายใช้คำสั่ง FIT อื่นเพื่อสร้างการประมาณค่าพารามิเตอร์ทั้งหมดพร้อมกันตั้งแต่ค่าเริ่มต้น ของพารามิเตอร์ตอนนี้น่าจะค่อนข้างใกล้เคียงกับการประมาณการร่วมกันครั้งสุดท้ายของพวกเขาประมาณการควรมาบรรจบกันอย่างรวดเร็วถ้ารูปแบบเหมาะสมสำหรับข้อมูลเงื่อนไขเริ่มต้นของการเริ่มต้นล่าช้าข้อผิดพลาดของ AR p รุ่นสามารถจำลองในที่แตกต่างกัน วิธีการวิธีการเริ่มต้นข้อผิดพลาด autoregressive ที่ได้รับการสนับสนุนโดย SAS ETS ขั้นตอนต่อไปนี้เป็นขั้นตอนต่อไปอย่างน้อยที่สุดขั้นตอนน้อยที่สุด ARIMA และ MODEL procedure ขั้นตอน AUTOREG, ARIMA และ MODEL ขั้นตอนของ AUTO-AUTO เท่านั้นที่สามารถลบได้จากขั้นตอนแรกของ MODEL เท่านั้นดูบทที่ 8 AUTOREG สำหรับการอธิบายและอภิปรายเกี่ยวกับประโยชน์ของวิธีการเริ่มต้น AR p ต่างๆการเริ่มต้น CLS, ULS, ML และ HL สามารถทำได้โดย PROC MODEL สำหรับข้อผิดพลาด AR 1 สามารถเริ่มต้นการเริ่มต้นเหล่านี้ได้ดังแสดงในตารางที่ 18 2 เหล่านี้ วิธีที่มีค่าเท่ากับตัวอย่างขนาดใหญ่ตารางที่ 18 2 Initializations ดำเนินการโดย PROC MODEL AR 1 ERRORS ความล่าช้าในการเริ่มต้นของข้อผิดพลาดของ MA q models ยังสามารถจำลองได้ด้วยวิธีต่าง ๆ ได้รับการสนับสนุนโดยมีข้อผิดพลาดในการเริ่มต้นขึ้น ขั้นตอน ARIMA และ MODEL ขั้นต่ำสุดของสี่เหลี่ยมจัตุรัสน้อยที่สุดสี่เหลี่ยมจัตุรัสน้อยที่สุดเงื่อนไขวิธีคิดอย่างน้อยที่สุดในการประมาณค่าข้อผิดพลาดของค่าเฉลี่ยเคลื่อนที่ไม่เหมาะสมเพราะไม่สนใจปัญหาการเริ่มต้นซึ่งจะลด ประสิทธิภาพของการประมาณแม้ว่าจะยังคงเป็นกลางส่วนที่เหลือล้าหลังเริ่มต้นก่อนที่จะเริ่มต้นของข้อมูลจะถือว่าเป็น 0 ค่าที่คาดหวังที่ไม่มีเงื่อนไขของพวกเขานี้แนะนำความแตกต่างระหว่างที่เหลือเหล่านี้และที่เหลือน้อยที่สุดทั่วไปที่เหลือสำหรับการเคลื่อนย้าย - ค่าเฉลี่ยความแปรปรวนร่วมซึ่งแตกต่างจากโมเดลอัตถิภาวนิยมยังคงมีอยู่ผ่านชุดข้อมูลโดยปกติความแตกต่างนี้จะมาบรรจบกันอย่างรวดเร็วเป็น 0 แต่สำหรับกระบวนการเคลื่อนที่โดยเฉลี่ยที่ไม่สามารถพลิกผันการลู่เข้าค่อนข้างช้าเพื่อลดปัญหานี้คุณควรมีข้อมูลมากมายและ ค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ควรอยู่ในช่วง invertible ปัญหานี้สามารถแก้ไขค่าใช้จ่ายในการเขียนโปรแกรมที่มีความซับซ้อนมากขึ้นได้โดยการระบุรูปแบบดังนี้ข้อผิดพลาดเฉลี่ยเฉลี่ยต่ำสุดสำหรับกระบวนการ MA 1 โดยไม่มีเงื่อนไข อาจเป็นเรื่องยากที่จะประมาณการคุณควรพิจารณาการใช้ AR p ประมาณกับกระบวนการเฉลี่ยเคลื่อนที่เฉลี่ยเคลื่อนที่ e process มักจะมีค่าประมาณโดยกระบวนการ autoregressive ถ้าข้อมูลไม่ได้ถูกทำให้ราบรื่นหรือแตกต่าง AR Macro SAS macro AR สร้างคำสั่งการเขียนโปรแกรมสำหรับ PROC MODEL สำหรับโมเดลอัตถิภาวนิยมแมโคร AR เป็นส่วนหนึ่งของซอฟต์แวร์ SAS ETS และ ขั้นตอน autoregressive สามารถนำไปใช้กับข้อผิดพลาดของสมการโครงสร้างหรือชุด endogenous ตัวเองแมโคร AR สามารถใช้สำหรับประเภทต่อไปนี้ autoregression. unrestricted vector autoregression. contricted vector autoregression ให้ใช้คำสั่งต่อไปนี้หลังจากสมการตัวอย่างเช่นสมมุติว่า Y เป็นฟังก์ชันเชิงเส้นของ X1, X2 และข้อผิดพลาด AR 2 คุณจะเขียนโมเดลนี้ว่าเป็นแบบอัตรรรณาการ ต่อไปนี้การเรียก AR ต้องมาหลังจากสมการทั้งหมดที่ใช้กับกระบวนการนี้คำร้องขอมาโครก่อนหน้านี้ AR y, 2 จะแสดงคำสั่งที่แสดงใน LIST outpu t ในรูปที่ 18 58.Figure 18 58 LIST Option Output สำหรับ AR 2 Model. ตัวแปร PRED prefixed variable คือตัวแปรของโปรแกรมชั่วคราวที่ใช้เพื่อให้ความล่าช้าของส่วนที่เหลือเป็นส่วนที่เหลือที่ถูกต้องและไม่ใช่ค่าที่กำหนดโดยสมการนี้หมายเหตุว่านี่คือ เทียบเท่ากับคำสั่งที่ระบุไว้อย่างชัดเจนในส่วน General Form for ARMA Models นอกจากนี้คุณยังสามารถ จำกัด พารามิเตอร์ autoregressive ให้เป็นศูนย์ที่ lags ที่เลือกได้ตัวอย่างเช่นถ้าคุณต้องการพารามิเตอร์ autoregressive ที่ lags 1, 12 และ 13 คุณสามารถใช้คำสั่งต่อไปนี้ได้ งบเหล่านี้สร้างผลลัพธ์ที่แสดงในรูปที่ 18 59. รูปที่ 18 59 LIST Option Output สำหรับรุ่น AR ที่มีความล่าช้าที่ 1, 12 และ 13 ขั้นตอน MODEL รายการของ Compiled Program Code. Statement as Parsed. PRED yab x1 c x2.RESID y PRED y - ACTUAL y. ERROR y PRED y - y. OLDPRED y PRED y yl1 ZLAG1 y - perdy yl12 ZLAG12 y - perdy yyr13 ZLAG13 y - PREDy. RESID y PRED y - ACTUAL y. ERROR y PRED y - y. There มีรูปแบบในเงื่อนไขน้อยที่สุดวิธีการ depe โดยค่าเริ่มต้นวิธีอาร์เรย์น้อยที่สุดเงื่อนไขการใช้ข้อสังเกตทั้งหมดและสมมติว่าศูนย์สำหรับล่าช้าเริ่มต้นของเงื่อนไข autoregressive โดยการใช้ตัวเลือก M คุณสามารถร้องขอ AR ใช้วิธี ULS ต่ำสุดที่ไม่มีเงื่อนไขหรือวิธี ML maximum-likelihood แทนตัวอย่างเช่นการวิเคราะห์วิธีการเหล่านี้มีอยู่ในส่วน AR Initial Conditions โดยการใช้ตัวเลือก M CLS n คุณสามารถขอให้สังเกต n แรกได้ คำนวณค่าประมาณของความล่าช้าที่เกิดขึ้นเมื่อ autoregressive ในกรณีนี้การวิเคราะห์จะเริ่มต้นด้วยการสังเกต n 1 ตัวอย่างเช่นคุณสามารถใช้มาโคร AR เพื่อใช้โมเดลอัตถิภาวนากับตัวแปรภายนอกได้แทนที่จะใช้คำจำกัดความข้อผิดพลาดโดยใช้ตัวเลือก TYPE V ตัวอย่างเช่นถ้าคุณต้องการเพิ่มห้าลาก่อนที่ผ่านมาของ Y ไปยังสมการในตัวอย่างก่อนหน้านี้คุณสามารถใช้ AR เพื่อสร้างพารามิเตอร์และล่าช้าโดยใช้คำสั่งต่อไปนี้ sta ก่อนหน้า tements สร้างผลลัพธ์ที่แสดงในรูปที่ 18 60.Figure 18 60 LIST Option Output สำหรับรุ่น AR ของ Y รุ่นนี้คาดการณ์ว่า Y เป็นชุดค่าผสมของ X1, X2, intercept และค่า Y ในช่วงห้า แบบจำลองการเว้นวรรคอัตโนมัติแบบไม่ จำกัด เพื่อสร้างแบบจำลองข้อผิดพลาดของชุดของสมการเป็นกระบวนการอัตถิภาพอัตโนมัติใช้รูปแบบอาร์เรย์ AR ดังต่อไปนี้หลังจากสมการค่า processname คือชื่อใด ๆ ที่คุณจ่ายให้ AR เพื่อใช้ในการสร้างชื่อ พารามิเตอร์อัตโนมัติคุณสามารถใช้อาร์เรย์ AR เพื่อสร้างกระบวนการ AR หลาย ๆ แบบสำหรับชุดสมการที่แตกต่างกันได้โดยใช้ชื่อกระบวนการที่แตกต่างกันสำหรับแต่ละชุดชื่อกระบวนการทำให้แน่ใจได้ว่าชื่อตัวแปรที่ใช้ไม่ซ้ำกันใช้ค่าของกระบวนการสั้น ๆ สำหรับกระบวนการนี้หากมีการประมาณค่าพารามิเตอร์ จะถูกเขียนลงในชุดข้อมูลเอาต์พุตอาร์กิวเมนต์ AR พยายามสร้างชื่อพารามิเตอร์ให้น้อยกว่าหรือเท่ากับแปดอักขระ แต่ถูก จำกัด ด้วยความยาวของ processname ซึ่งใช้เป็นคำนำหน้าสำหรับ ชื่อตัวแปรอาร์เรย์ค่าตัวแปร variablelist คือรายการของตัวแปรภายนอกสำหรับสมการตัวอย่างสมมติว่าข้อผิดพลาดสำหรับสมการ Y1, Y2 และ Y3 ถูกสร้างขึ้นโดยลำดับที่สองแบบอัตโนมัติกระบวนการ autoregressive คุณสามารถใช้ statement. which ต่อไปนี้ สร้างต่อไปนี้สำหรับ Y1 และรหัสที่คล้ายกันสำหรับ Y2 และ Y3.Only วิธีเงื่อนไขน้อยที่สุด M CLS หรือ M CLS n วิธีสามารถใช้สำหรับเวกเตอร์ process. You ยังสามารถใช้รูปแบบเดียวกันกับข้อ จำกัด ที่ค่าสัมประสิทธิ์เมทริกซ์เป็น 0 ที่เลือกล่าช้า ตัวอย่างเช่นข้อความต่อไปนี้ใช้กระบวนการเวกเตอร์ลำดับที่สามกับข้อผิดพลาดของสมการที่มีค่าสัมประสิทธิ์ทั้งหมดที่ระยะเวลา 2 จำกัด ไว้ที่ 0 และมีค่าสัมประสิทธิ์ที่ lags 1 และ 3 unrestricted คุณสามารถจำลองสามชุด Y1 Y3 เป็นเวกเตอร์อัตถิภาวนิยม กระบวนการในตัวแปรแทนในข้อผิดพลาดโดยใช้ตัวเลือก TYPE V ถ้าคุณต้องการรูปแบบ Y1 Y3 เป็นฟังก์ชันของค่าที่ผ่านมาของ Y1 Y3 และบางตัวแปรภายนอกหรือค่าคงที่คุณสามารถใช้ AR เพื่อสร้าง th e statement for the lag terms เขียนสมการสำหรับแต่ละตัวแปรสำหรับส่วน nonautoregressive ของโมเดลจากนั้นให้เรียก AR กับตัวเลือก TYPE V ตัวอย่างเช่นส่วนที่ไม่เป็นไปตามแนวความคิดของแบบจำลองสามารถเป็นฟังก์ชันของตัวแปรภายนอกได้หรืออาจเป็น ตัดพารามิเตอร์ถ้าไม่มีองค์ประกอบภายนอกแบบจำลองการโต้วาทีแบบเวกเตอร์รวมทั้งไม่มีการสกัดกั้นให้กำหนดศูนย์ให้กับตัวแปรแต่ละตัวต้องมีการกำหนดให้กับตัวแปรแต่ละตัวก่อนที่จะถูกเรียกว่า AR ตัวอย่างนี้เป็นรูปแบบของเวกเตอร์ Y Y1 Y2 Y3 เป็นฟังก์ชันเชิงเส้นเพียงค่าของมันในสองช่วงก่อนหน้าและรูปแบบข้อผิดพลาดเสียงรบกวนสีขาวแบบมี 18 3 3 3 3 parameters. Syntax ของ AR Macro มีสองกรณีของรูปแบบของแมโคร AR เมื่อข้อ จำกัด ใน a เวกเตอร์กระบวนการ AR ไม่จำเป็นต้องมีไวยากรณ์ของมาโคร AR มีรูปแบบทั่วไประบุคำนำหน้าสำหรับ AR เพื่อใช้ในการสร้างชื่อของตัวแปรที่จำเป็นในการกำหนดกระบวนการ AR หาก endolist ไม่ได้ระบุรายการ endogenous ค่าเริ่มต้นชื่อซึ่งต้องเป็นชื่อของสมการซึ่งใช้กระบวนการข้อผิดพลาด AR ค่าชื่อไม่เกิน 32 ตัวลำดับของกระบวนการ AR ระบุรายชื่อของสมการที่จะใช้กระบวนการ AR ถ้ามีมากกว่าหนึ่งชื่อจะมีการสร้างกระบวนการเวกเตอร์ที่ไม่ จำกัด ด้วยส่วนที่มีโครงสร้างของสมการทั้งหมดที่รวมอยู่ใน regressors ในแต่ละสมการหากไม่ได้ระบุค่าเริ่มต้น endolist เพื่อระบุระบุรายการล่าช้าที่เงื่อนไข AR are to be added The coefficients of the terms at lags not listed are set to 0 All of the listed lags must be less than or equal to nlag and there must be no duplicates If not specified, the laglist defaults to all lags 1 through nlag. specifies the estimation method to implement Valid values of M are CLS conditional least squares estimates , ULS unconditional least squares estimates , and ML maximum likelihood estimates M CLS is the default Only M CLS is allowed when more than on e equation is specified The ULS and ML methods are not supported for vector AR models by AR. specifies that the AR process is to be applied to the endogenous variables themselves instead of to the structural residuals of the equations. Restricted Vector Autoregression. You can control which parameters are included in the process, restricting to 0 those parameters that you do not include First, use AR with the DEFER option to declare the variable list and define the dimension of the process Then, use additional AR calls to generate terms for selected equations with selected variables at selected lags For example. The error equations produced are as follows. This model states that the errors for Y1 depend on the errors of both Y1 and Y2 but not Y3 at both lags 1 and 2, and that the errors for Y2 and Y3 depend on the previous errors for all three variables, but only at lag 1. AR Macro Syntax for Restricted Vector AR. An alternative use of AR is allowed to impose restrictions on a vector AR proc ess by calling AR several times to specify different AR terms and lags for different equations. The first call has the general form. specifies a prefix for AR to use in constructing names of variables needed to define the vector AR process. specifies the order of the AR process. specifies the list of equations to which the AR process is to be applied. specifies that AR is not to generate the AR process but is to wait for further information specified in later AR calls for the same name value. The subsequent calls have the general form. is the same as in the first call. specifies the list of equations to which the specifications in this AR call are to be applied Only names specified in the endolist value of the first call for the name value can appear in the list of equations in eqlist. specifies the list of equations whose lagged structural residuals are to be included as regressors in the equations in eqlist Only names in the endolist of the first call for the name value can appear in varlist If not specified, varlist defaults to endolist. specifies the list of lags at which the AR terms are to be added The coefficients of the terms at lags not listed are set to 0 All of the listed lags must be less than or equal to the value of nlag and there must be no duplicates If not specified, laglist defaults to all lags 1 through nlag. The MA Macro. The SAS macro MA generates programming statements for PROC MODEL for moving-average models The MA macro is part of SAS ETS software, and no special options are needed to use the macro The moving-average error process can be applied to the structural equation errors The syntax of the MA macro is the same as the AR macro except there is no TYPE argument. When you are using the MA and AR macros combined, the MA macro must follow the AR macro The following SAS IML statements produce an ARMA 1, 1 3 error process and save it in the data set MADAT2.The following PROC MODEL statements are used to estimate the parameters of this model by using maximu m likelihood error structure. The estimates of the parameters produced by this run are shown in Figure 18 61.Figure 18 61 Estimates from an ARMA 1, 1 3 Process. There are two cases of the syntax for the MA macro When restrictions on a vector MA process are not needed, the syntax of the MA macro has the general form. specifies a prefix for MA to use in constructing names of variables needed to define the MA process and is the default endolist. is the order of the MA process. specifies the equations to which the MA process is to be applied If more than one name is given, CLS estimation is used for the vector process. specifies the lags at which the MA terms are to be added All of the listed lags must be less than or equal to nlag and there must be no duplicates If not specified, the laglist defaults to all lags 1 through nlag. specifies the estimation method to implement Valid values of M are CLS conditional least squares estimates , ULS unconditional least squares estimates , and ML maximum li kelihood estimates M CLS is the default Only M CLS is allowed when more than one equation is specified in the endolist. MA Macro Syntax for Restricted Vector Moving-Average. An alternative use of MA is allowed to impose restrictions on a vector MA process by calling MA several times to specify different MA terms and lags for different equations. The first call has the general form. specifies a prefix for MA to use in constructing names of variables needed to define the vector MA process. specifies the order of the MA process. specifies the list of equations to which the MA process is to be applied. specifies that MA is not to generate the MA process but is to wait for further information specified in later MA calls for the same name value. The subsequent calls have the general form. is the same as in the first call. specifies the list of equations to which the specifications in this MA call are to be applied. specifies the list of equations whose lagged structural residuals are to be included as regressors in the equations in eqlist. specifies the list of lags at which the MA terms are to be added.