SAS Econometrics 功能列表
- 将隐马尔可夫模型拟合并应用于时间序列数据。
- 进行拟合(或学习)、平滑、过滤、解码和评分。
- 支持单变量或多变量模型、机制切换回归模型和机制切换自回归模型。
- 支持离散状态高斯模型。
- 提供有效处理极长(大数据)序列的方法。
- 自动选择状态数、滞后数。
- 以均值调整形式提供体制切换自回归模型。
- 为所有模型提供随机梯度下降 (SGD) 优化算法。
空间计量经济学建模
- 支持以下各项:
- 线性模型。
- 具有空间滞后 X (SLX) 效应的线性模型。
- 空间自回归 (SAR) 模型。
- 空间杜宾模型 (SDM)。
- 空间误差模型 (SEM)。
- 空间杜宾误差模型 (SDEM)。
- 空间移动平均 (SMA) 模型。
- 空间杜宾移动平均 (SDMA) 模型。
- 空间自回归移动平均 (SARMA) 模型。
- 空间杜宾自回归移动平均 (SDARMA) 模型。
- 空间自回归混淆 (SAC) 模型。
- 空间杜宾自回归混淆 (SDAC) 模型。
- 提供输出表,以便您完全理解和解释模型中各变量的影响。
其他计量经济学模型
整数值因变量的计数回归模型
- CNTSELECT 程序模拟一段时间内事件发生的频率。
- 支持:
- 泊松、负二项和康威-麦斯威尔-泊松 (CMP) 回归。
- 以协变量为条件的零通胀模型。
- 以协变量为条件的过度分散模型(与 CMP 模型一起使用)。
- 用于计数的随机效应面板数据模型。
- 空间计数数据模型。
- 贝叶斯估计。
- 提供自动变量选择方法。
- 包括许多诊断测试和绘图,包括对拟合概率分布特定部分的集中可视化的绘图。
- 显示表格,以评估估测模型参数之间的协方差和相关性。
严重性回归模型
- 根据损失或其他事件的规模或严重性拟合分布。
- 支持:
- 严重性分布比例参数的回归模型。
- 左删失和右截断(例如,免赔额和覆盖率限制)。
- 很多分布,包括:
- 伯尔分布。
- 指数分布。
- 伽马分布。
- 广义帕雷托分布。
- 沃尔德分布。
- 对数正态分布。
- Tweedie 分布。
- 威布尔分布。
- 提供对其他分布进行编程的功能。
- 适合多个分布并自动选择最佳分布。
- 提供许多诊断测试和绘图,包括对拟合概率分布特定部分的集中可视化的绘图。
- 包括显示表格,用于评估估计模型参数之间的协方差和相关性。
定性和有限因变量回归模型
- CQLIM 程序估计单变量定性和有限因变量的回归模型。
- 支持:
- 删失和截断模型。
- Logit、probit 和 tobit 模型以及双变量 probit 和 tobit 模型。
- 具有异方差性的模型。
- 一元有限因变量模型。
- 二元和多元有限因变量模型。
- 二元和多元离散响应变量模型。
- 多元线性方程模型。
- 估计随机边界产量函数和成本模型。
- 赫克曼样本选择模型。
Copula 模型
- 模拟潜在诸多变量集合间的多元依赖结构的联结函数模型。
- 支持来自以下联结函数的模拟:
- 正态。
- t。
- Clayton。
- Gumbel。
- Frank。
面板数据的回归模型
- 使用大量观测数据和每个时间周期的多个观测分析过去和未来之间的关系。
- 支持:
- 单向和双向模型。
- 固定效应、随机效应和混合模型。
- 自回归和移动平均模型。
- 动态面板模型。
- 提供 Hausman-Taylor 和 Amemiya-MaCurdy 估计量。
- 提供不同类型的异方差性和自相关一致 (HAC) 协方差矩阵估计量。
- 拟合并比较多个模型。
- 包括许多诊断和测试。
经济资本建模
- 结合来自频率、严重性和联结函数建模的结果。
复合分布建模
- 提供大型分布式模拟样本的聚合损失分布的图形摘要。
- 包括模拟模式。
- 提供指定计数分布的灵活方式。
- 可使用随机变量对损失建模进行更真实的模拟。
- 可实现估计聚合损失分布统计均值和变异性的扰动分析。
时间序列分析的预测模型
- 可让您以编程方式创建时间序列数据的预测模型。
- 可让您创建时间序列模型:
- 用户定义的 ARIMA。
- 指数平滑模型 (ESM)。
- 可用于创建时间序列分析、分解模型和诊断测试。
- 提供含有拟合模型的参数估计、多步变量预测和模型变量信息的输出表。
分布式、开放、云就绪
- 在 SAS Viya 平台(一个可扩展的分布式内存引擎)运行。
- 分析和数据任务分配到多个计算节点。
- 支持快速、并发、多用户访问内存数据。
- 包括容错功能提高可用性。
- 可让您通过 SAS Viya REST API 将 SAS 分析的功能添加到其他应用程序中。
SASEMOOD 接口引擎
- 从穆迪的 Analytics Data Buffet 检索时间序列数据。访问 600 多个全球历史统计数据源和 40 个预测数据库,其中有超过 2.2 亿个时间序列。