ISlARMA.ParseAR

Синтаксис

ParseAR(Value: String; [AssignOrder: Boolean = True]);

Параметры

Value. Строковое представление порядка авторегрессии;

AssignOrder. Признак установки полученного значения в свойство ISlARMA.OrderAR.

Описание

Метод ParseAR осуществляет разбор строкового представления порядка авторегрессии.

Комментарии

Параметр Value должен содержать номера или диапазоны порядков авторегрессии, разделённые запятыми. Например:

ParseAR("1-3,5,7-9");

Если AssignOrder = True, то после выполнения ParseAR полученное значение устанавливается в свойство ISlARMA.OrderAR. Если AssignOrder = False, то порядок авторегрессии не изменяется.

Пример

Для выполнения примера добавьте ссылку на системную сборку «Stat».

Sub UserARMA;
Var
    lr: ISmLinearRegress;
    W: Array[15] Of Double;
    x: Array[20] Of Double;
    ARMA: ISlARMA;
    res: Integer;
    d: Double;
    CoefficientsAR, CoefficientsMA: ICoefficients;
    ModelCoefficients: IModelCoefficients;
Begin
    lr := New SmLinearRegress.Create;
// значения объясняемого ряда
    w[0] := 2; w[4] := -1.9; w[8] := -0.7; w[12] := 5.4;
    w[1] := 0.8; w[5] := Double.Nan; w[9] := Double.Nan; w[13] := 6.4;
    w[2] := -0.3; w[6] := 3.2; w[10] := 4.3; w[14] := 7.4;
    w[3] := -0.3; w[7] := 1.6; w[11] := 1.1;
// значения объясняющего ряда
    x[0] := Double.Nan; x[10] := 11;
    x[1] := 2; x[11] := 12;
    x[2] := 3; x[12] := 13;
    x[3] := 4; x[13] := Double.Nan;
    x[4] := 5; x[14] := 15;
    x[5] := 6; x[15] := 16;
    x[6] := Double.Nan; x[16] := 17;
    x[7] := 8; x[17] := Double.Nan;
    x[8] := 9; x[18] := 19;
    x[9] := 10; x[19] := 20;
// период идентификации
    lr.ModelPeriod.FirstPoint := 1;
    lr.ModelPeriod.LastPoint := 13;
    lr.Forecast.LastPoint := 19;
    lr.MissingData.Method := MissingDataMethod.LinTrend;
    lr.Explained.Value := w;
    lr.Explanatories.Add.Value := x;
    ModelCoefficients := lr.ModelCoefficients;
// в модели будет использоваться константа
    ModelCoefficients.Intercept.Mode := InterceptMode.AutoEstimate;
    ModelCoefficients.Intercept.InitValue := 2;
    ARMA := lr.ARMA;
// порядок авторегрессии
    ARMA.ParseAR("2");
// порядок скользящего среднего
    ARMA.ParseMA("1");
// метод определения начальных приближений
    ARMA.CalcInitMode := ARMAInitType.Auto;
// использовать ретрополяцию для оценки коэффициентов скользящего среднего
    ARMA.EstimationApproach := ARMAEstimationApproach.LeastSquares;
    ARMA.UseBackCast := True;
// метод оптимизации
    ARMA.EstimationMethod := ARMAEstimationMethodType.GaussNewton;
// расчет модели
    res := lr.Execute;
    Debug.WriteLine(lr.Errors);
    If (res = 0) Then
    // коэффициенты авторегрессии
        Debug.WriteLine("Оценки коэффициентов авторегрессии");
        CoefficientsAR := ARMA.CoefficientsAR;
        d := CoefficientsAR.Estimate[0];
        Debug.WriteLine(" Значение: " + d.ToString);
        d := CoefficientsAR.StandardError[0];
        Debug.WriteLine(" Стандартная ошибка: " + d.ToString);
        d := CoefficientsAR.TStatistic[0];
    // коэффициенты скользящего среднего
        Debug.WriteLine("Оценки коэффициентов скользящего среднего");
        CoefficientsMA := ARMA.CoefficientsMA;
        d := CoefficientsMA.Estimate[0];
        Debug.WriteLine(" Значение: " + d.ToString);
        d := CoefficientsMA.StandardError[0];
        Debug.WriteLine(" Стандартная ошибка: " + d.ToString);
    End If;
End Sub UserARMA;

После выполнения примера будет создана модель линейной регрессии, определены ее параметры. Порядки авторегрессии и скользящего среднего будут разобраны из строкового представления. Для оценки коэффициентов скользящего среднего будет использоваться ретрополяция. В окно консоли будут выведены оценки коэффициентов модели.

См. также:

ISlARMA