SAS^® Econometrics

รายการฟีเจอร์ของ SAS Econometrics

โมเดลมาร์คอฟซ่อนเร้น

ปรับโมเดลมาร์คอฟซ่อนเร้นให้เหมาะสมและนำไปใช้กับชุดข้อมูลตามเวลา
ทำการปรับ (หรือการเรียนรู้) ปรับให้เรียบ กรอง ถอดรหัส และให้คะแนน
รองรับโมเดลตัวแปรเดี่ยวหรือหลายตัวแปร โมเดลการถดถอยแบบสลับตัวแปรตามภาวะ และโมเดลการถดถอยอัตโนมัติแบบสลับตัวแปรตามภาวะ
รองรับโมเดล Gaussian แบบไม่ต่อเนื่อง
จัดเตรียมวิธีการจัดการชุดข้อมูลที่ยาวมาก (ข้อมูลปริมาณมหาศาล) อย่างมีประสิทธิภาพ
เลือกจำนวนสถานะและจำนวนความล่าช้าโดยอัตโนมัติ
จัดเตรียมโมเดลออโตรีเกรสซีฟแบบสลับตัวแปรภาวะในรูปแบบที่ปรับค่าเฉลี่ย
สร้างอัลกอริธึมการหาค่าที่เหมาะสมสำหรับการไล่ระดับสีลงแบบสโทแคสติก (SGD) ให้กับโมเดลทั้งหมด

การสร้างโมเดลเศรษฐมิติเชิงพื้นที่

รองรับสิ่งต่อไปนี้:
- แบบจำลองเชิงเส้น
- โมเดลเชิงเส้นที่มีเอฟเฟกต์ Spatial Lag of X (SLX)
- โมเดล Spatial Autoregressive (SAR)
- โมเดล Spatial Durbin (SDM)
- โมเดล Spatial Error (SEM)
- โมเดล Spatial Durbin Error (SDEM)
- โมเดล Spatial Moving Average (SMA)
- โมเดล Spatial Durbin Moving Average (SDMA)
- โมเดล Spatial Autoregressive Moving Average (SARMA)
- โมเดล Spatial Durbin Autoregressive Moving Average (SDARMA)
- โมเดล Spatial Autoregressive Confused (SAC)
- โมเดล Spatial Durbin Autoregressive Confused (SDAC)
จัดเตรียมตารางเอาต์พุตที่ช่วยให้คุณเข้าใจและตีความผลกระทบของตัวแปรแต่ละตัวในโมเดลได้อย่างสมบูรณ์

โมเดลเศรษฐมิติอื่นๆ

นับโมเดลการถดถอยสำหรับตัวแปรตามที่มีค่าเป็นจำนวนเต็ม

กระบวนการ CNTSELECT สร้างโมเดลความถี่ที่เหตุการณ์อาจเกิดขึ้นในช่วงเวลาหนึ่ง
รองรับ:
- Poisson, ทวินามค่าลบและการถดถอยแบบ Conway-Maxwell-Poisson (CMP)
- โมเดลอัตราเงินเฟ้อเป็นศูนย์มีเงื่อนไขตามตัวแปรร่วม
- โมเดลการกระจายมากเกินไปมีเงื่อนไขบนตัวแปรร่วม (ด้วยโมเดล CMP)
- โมเดลข้อมูลพาเนลเอฟเฟกต์แบบสุ่มสำหรับการนับ
- โมเดลข้อมูลเชิงพื้นที่
- การประมาณค่าแบบเบย์
มีวิธีการเลือกตัวแปรอัตโนมัติ
มีการทดสอบและแผนการวินิจฉัยมากมาย รวมถึงแผนภาพสำหรับการแสดงภาพที่โฟกัสของส่วนเฉพาะของการแจกแจงความน่าจะเป็นที่พอดี
แสดงตารางเพื่อประเมินความแปรปรวนร่วมและความสัมพันธ์ระหว่างพารามิเตอร์โมเดลโดยประมาณ

โมเดลการถดถอยความรุนแรง

เหมาะกับการกระจายตามขนาดหรือความรุนแรงของการสูญเสียหรือเหตุการณ์อื่นๆ
รองรับ:
- โมเดลการถดถอยสำหรับพารามิเตอร์มาตราส่วนการกระจายความรุนแรง
- การเซ็นเซอร์ด้านซ้ายและการตัดทอนด้านขวา (เช่น ขีดจำกัดการหักลดหย่อนและความคุ้มครอง)
- การกระจายหลายประเภท ได้แก่:
  - Burr
  - Exponential
  - Gamma
  - Generalized Pareto
  - Wald
  - Log-normal
  - Tweedie
  - Weibull
มีความสามารถในการตั้งโปรแกรมการแจกแจงเพิ่มเติม
เหมาะกับการแจกแจงที่หลากหลายและเลือกค่าที่ดีที่สุดโดยอัตโนมัติ
นำเสนอการทดสอบและแผนการวินิจฉัยจำนวนมาก รวมถึงแผนภาพสำหรับการแสดงภาพที่โฟกัสของส่วนเฉพาะของการแจกแจงความน่าจะเป็นที่พอดี
รวมตารางแสดงผลสำหรับการประเมินความแปรปรวนร่วมและความสัมพันธ์ระหว่างพารามิเตอร์โมเดลโดยประมาณ

โมเดลการถดถอยเชิงคุณภาพและตัวแปรจำกัด

กระบวนการ CQLIM ประเมินโมเดลการถดถอยสำหรับตัวแปรเดี่ยวเชิงคุณภาพและตัวแปรตามที่มีค่าอยู่ในช่วงจำกัด
รองรับ:
- โมเดลที่ถูกเซ็นเซอร์และถูกตัดทอน
- โมเดลโลจิต โพรบิต และโทบิต รวมถึงโมเดลโพรบิตและโทบิตแบบสองตัวแปร
- โมเดลที่มีค่าความแปรปรวนไม่คงที่
- โมเดลตัวแปรตามที่มีค่าอยู่ในช่วงจำกัดแบบตัวแปรเดี่ยว
- โมเดลตัวแปรตามที่มีค่าอยู่ในช่วงจำกัดแบบสองตัวแปรและหลายตัวแปร
- โมเดลตัวแปรการตอบสนองไม่ต่อเนื่องแบบสองตัวแปรและหลายตัวแปร
- โมเดลสมการเชิงเส้นหลายตัวแปร
ประมาณการโมเดลขอบเขตการผลิตและต้นทุนแบบสโทแคสติก
โมเดลการเลือกตัวอย่างของ Heckman

โมเดล Copula

จำลองโมเดล Copula ของโครงสร้างการพึ่งพาหลายตัวแปรระหว่างชุดของตัวแปรหลายตัว
รองรับการจำลองจาก Copula ต่อไปนี้:
- Normal
- t.
- Clayton
- Gumbel
- Frank

โมเดลการถดถอยสำหรับข้อมูลพาเนล

วิเคราะห์ความสัมพันธ์ระหว่างอดีตและอนาคตโดยใช้การสังเกตจำนวนมากและการสังเกตมากกว่า 1 ครั้งต่อช่วงเวลา
รองรับ:
- โมเดลแบบทางเดียวและแบบสองทาง
- โมเดลเอฟเฟ็กต์คงที่ เอฟเฟ็กต์แบบสุ่ม และไฮบริด
- โมเดลออโตรีเกรฟซีฟและค่าเฉลี่ยเคลื่อนที่
- โมเดลพาเนลไดนามิก
มีตัวประมาณค่า Hausman-Taylor และ Amemiya-MaCurdy
มีตัวประมาณค่าเมทริกซ์ความแปรปรวนร่วมที่เกิดจากความสม่ำเสมอของค่าคลาดเคลื่อนไม่คงที่และสหสัมพันธ์อัตโนมัติ (Heteroscedasticity and Autocorrelation Consistent หรือ HAC) ในรูปแบบต่างๆ
ปรับขนาดให้พอดีและเปรียบเทียบโมเดลหลายประเภท
มีการวินิจฉัยและการทดสอบหลายประเภท

การสร้างโมเดลทุนทางเศรษฐกิจ

รวบรวมผลลัพธ์จากความถี่ ความรุนแรง และการสร้างโมเดล Copula

การสร้างโมเดลการจำแนกข้อมูลเชิงประกอบ

แสดงข้อสรุปการแจกแจงมูลค่าของความสูญเสียรวมจากตัวอย่างจำลองขนาดใหญ่ที่จำแนกแล้วในรูปแบบกราฟ
มีโหมดจำลอง
มีวิธีที่ยืดหยุ่นในการระบุการแจกแจงจำนวน
สามารถจำลองโมเดลความสูญเสียที่สมจริงยิ่งขึ้นโดยใช้ตัวแปรสโทแคสติก
สามารถวิเคราะห์การรบกวนเพื่อประมาณค่าเฉลี่ยและความแปรปรวนของสถิติการแจกแจงมูลค่าของความสูญเสียรวม

โมเดลการพยากรณ์สำหรับการวิเคราะห์ชุดข้อมูลตามเวลา

ช่วยให้คุณสร้างโมเดลการพยากรณ์ในชุดข้อมูลตามเวลาได้อย่างเป็นระบบ
ให้คุณสร้างโมเดลชุดข้อมูลตามเวลา ซึ่งได้แก่:
- ARIMA ตามที่ผู้ใช้กำหนด
- โมเดลการปรับเรียบเลขชี้กำลัง (ESM)
ให้คุณสร้างการวิเคราะห์ชุดข้อมูลตามเวลา โมเดลการสลายตัว และการทดสอบวินิจฉัย
มีตารางเอาต์พุตที่มีค่าประมาณพารามิเตอร์ของโมเดลที่ปรับให้พอดี การพยากรณ์ตัวแปรหลายขั้นตอน และข้อมูลตัวแปรจำลอง

กระจาย เปิด และพร้อมใช้งานบนคลาวด์

ทำงานบนแพลตฟอร์ม SAS Viya ซึ่งเป็นกลไกภายในหน่วยความจำแบบกระจายและปรับขนาดได้
กระจายงานวิเคราะห์และข้อมูลไปยังโหนดการคำนวณหลายๆโหนด
ให้ผู้ใช้หลายรายสามารถเข้าถึงข้อมูลในหน่วยความจำได้อย่างรวดเร็วพร้อมๆ กัน
รวมความคงทนต่อความเสียหายเพื่อใช้งานได้ตลอดเวลา
ให้คุณนำขุมพลังของการวิเคราะห์ SAS ไปใช้กับแอปพลิเคชันอื่นๆ โดยใช้ SAS Viya REST API

SASEMOOD Interface Engine

ดึงข้อมูลชุดข้อมูลตามเวลาจาก Moody's Analytics Data Buffet เข้าถึงแหล่งข้อมูลสถิติย้อนหลังทั่วโลกกว่า 600 แหล่งและฐานข้อมูลการพยากรณ์ 40 ฐานข้อมูล หรือชุดข้อมูลตามเวลามากกว่า 220 ล้านชุด