CoefficientsMatrix: Array;
Свойство CoefficientsMatrix возвращает матрицу оценок коэффициентов.
Для получения характеристик оценки используйте свойства ISmRollingRegression.StandartErrorMatrix, ISmRollingRegression.TStatisticMatrix, ISmRollingRegression.PValueMatrix.
Для выполнения примера добавьте ссылку на системную сборку Stat.
Sub UserProc;
Var
RR: SmRollingRegression;
Explanatories: ISlSerie;
can, fra, ger: Array[10] Of Double;
i, j, res, rows, cols: Integer;
Begin
RR := New SmRollingRegression.Create;
Can[0] := 6209; fra[0] := 4110; ger[0] := 3415;
Can[1] := 6385; fra[1] := 4280; ger[1] := 3673;
Can[2] := double.Nan; fra[2] := 4459; ger[2] := 4013;
Can[3] := 6837; fra[3] := 4545; ger[3] := 4278;
Can[4] := 6495; fra[4] := 4664; ger[4] := 4577;
Can[5] := 6907; fra[5] := 4861; ger[5] := 5135;
Can[6] := 7349; fra[6] := 5195; ger[6] := 5388;
Can[7] := 7213; fra[7] := 5389; ger[7] := 5610;
Can[8] := 7061; fra[8] := 5463; ger[8] := 5787;
Can[9] := 7180; fra[9] := 5610; ger[9] := 6181;
//объясняемый ряд
RR.Explained.Value := can;
// объясняющий ряд
RR.Explanatories.Clear;
Explanatories := RR.Explanatories.Add;
Explanatories.Value := fra;
Explanatories := RR.Explanatories.Add;
Explanatories.Value := ger;
// период идентификации
RR.ModelPeriod.FirstPoint := 1;
RR.ModelPeriod.LastPoint := 10;
// метод обработки пропусков - линейный тренд
RR.MissingData.Method := MissingDataMethod.LinTrend;
// шаг сдвига окна
RR.RollingStep := 1;
// ширина окна скользящей регрессии
RR.Window := 4;
// константа модели - константа оценивается автоматически
RR.Intercept.Mode := InterceptMode.AutoEstimate;
res := RR.Execute;
If res = 0 Then
For i := 0 To RR.WarningsCount - 1 Do
Debug.WriteLine(RR.Warnings[i])
End For;
Debug.WriteLine("==Коэффициенты==");
rows := RR.CoefficientsMatrix.GetUpperBound(1);
cols := RR.CoefficientsMatrix.GetUpperBound(2);
Debug.Indent;
For i := 0 To rows Do
For j := 0 To cols Do
Debug.Write(RR.CoefficientsMatrix[i, j]);
End For;
Debug.WriteLine(" ");
End For;
Debug.Unindent;
Debug.WriteLine("==Стандартные ошибки==");
rows := RR.StandartErrorMatrix.GetUpperBound(1);
cols := RR.StandartErrorMatrix.GetUpperBound(2);
Debug.Indent;
For i := 0 To rows Do
For j := 0 To cols Do
Debug.Write(RR.StandartErrorMatrix[i, j]);
End For;
Debug.WriteLine(" ");
End For;
Debug.Unindent;
Debug.WriteLine("==Статистики==");
rows := RR.TStatisticMatrix.GetUpperBound(1);
cols := RR.TStatisticMatrix.GetUpperBound(2);
Debug.Indent;
For i := 0 To rows Do
For j := 0 To cols Do
Debug.Write(RR.TStatisticMatrix[i, j]);
End For;
Debug.WriteLine(" ");
End For;
Debug.Unindent;
Debug.WriteLine("==Вероятности==");
rows := RR.PValueMatrix.GetUpperBound(1);
cols := RR.PValueMatrix.GetUpperBound(2);
Debug.Indent;
For i := 0 To rows Do
For j := 0 To cols Do
Debug.Write(RR.PValueMatrix[i, j]);
End For;
Debug.WriteLine(" ");
End For;
Debug.Unindent;
Debug.WriteLine("==Прогнозный ряд==");
Debug.Indent;
For i := 0 To RR.RollingForecast.Length - 1 Do
Debug.Write(i.ToString + " ");
Debug.WriteLine(RR.RollingForecast[i]);
End For;
Debug.Unindent;
Else
Debug.WriteLine(RR.Errors);
End If;
End Sub UserProc;
После выполнения примера будет создана модель скользящей регрессии, определены ее параметры:
период идентификации задан вручную;
ширина окна скользящей регрессии равна четырем;
шаг сдвига окна равен единице.
В окно консоли будут выведены матрица оценки коэффициентов, статистика, вероятности, стандартные ошибки и прогнозный ряд.
См. также: