|
Time Series MT 4.0 正式发布：SVAR建模、智能SARIMA与数据框集成来源：Aptech 官方博客 · 作者：Eric · 发表时间：2025年6月18日 📖 文章目录引言我们很高兴地宣布 Time Series MT (TSMT) 4.0 正式发布！ 此版本是 GAUSS 时间序列工具的重大升级。TSMT 4.0 新增了 超过 40 项新功能、增强和改进，显著扩展了 TSMT 的适用范围和易用性。
结构向量自回归（SVAR）建模新工具使用 TSMT 4.0 库，您可以开箱即用地运行SVAR 模型，无需复杂的编程。简单易用的新功能让您可以：
TSMT 4.0 使复杂的 SVAR 分析更加易于使用——同时不牺牲分析的严谨性。 SARIMA建模：更智能、更灵活TSMT 4.0 对其 SARIMA 建模能力进行了全面改造，为您带来：
这些升级简化了 SARIMA 建模流程，有助于在更广泛的模型结构中获得更可靠的结果。 更深入洞察的模型诊断与报告
================================================================================
模型： ARIMA(1,1,1) 因变量： wpi
时间跨度： 1960-01-01: 有效样本量： 123
1990-10-01
SSE： 64.512 自由度： 121
对数似然： 369.791 RMSE： 0.724
AIC： 369.791 SEE： 0.730
SBC： -729.958 Durbin-Watson： 1.876
R-squared： 0.449 Rbar-squared： 0.440
================================================================================
系数 估计值 标准误 T统计量 P值
================================================================================
AR[1,1] 0.883 0.063 13.965 0.000
MA[1,1] 0.420 0.121 3.472 0.001
常数项 0.081 0.730 0.111 0.911
================================================================================
我们在 TSMT 4.0 中重新构想了输出体验，使其更易于解释和比较模型结果：
有了 TSMT 4.0，您将花更少的时间解读输出结果，更多的时间获取洞察。 与GAUSS数据框的无缝集成
library tsmt;
// 加载数据框
fname = getGAUSSHome("pkgs/tsmt/examples/var_enders_trans.gdat");
data = loadd(fname);
// 估计模型
call varmaFit(data, "spread + d_lip_detrend + d4_unem", 3);
TSMT 4.0 完全拥抱 GAUSS 数据框生态系统，提供：
这种集成最大限度地减少了设置时间，提高了生产力，特别是在处理大型或复杂数据集时。 试用GAUSS Time Series MT 4.0库有兴趣了解 TSMT 4.0 如何改进您的时间序列分析工作流？请联系我们，预约演示或申请试用许可。
在线留言尊敬的客户朋友，如您有任何意见建议，请通过下表反馈给我们，我们会尽快与您联系。
|
|
|
||||||||||||||||||||||||
400-621-1085
