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

• สร้างข้อสรุปการแจกแจงมูลค่าของความสูญเสียรวมจากตัวอย่างจำลองขนาดใหญ่ที่จำแนกแล้วในรูปแบบกราฟ
• โหมดจำลอง
• วิธีที่ยืดหยุ่นในการระบุการแจกแจงจำนวน
• การจำลองโมเดลความสูญเสียที่สมจริงยิ่งขึ้นโดยใช้ตัวแปรสโทแคสติก
• การวิเคราะห์การรบกวนเพื่อประมาณค่าเฉลี่ยและความแปรปรวนของสถิติการแจกแจงมูลค่าของความสูญเสียรวม

การสร้างโมเดลการจำแนกข้อมูลเชิงประกอบ

• แสดงข้อสรุปการแจกแจงมูลค่าของความสูญเสียรวมจากตัวอย่างจำลองขนาดใหญ่ที่จำแนกแล้วในรูปแบบกราฟ
• มีโหมดจำลอง
• มีวิธีที่ยืดหยุ่นในการระบุการแจกแจงจำนวน
• สามารถจำลองโมเดลความสูญเสียที่สมจริงยิ่งขึ้นโดยใช้ตัวแปรสโทแคสติก
• สามารถวิเคราะห์การรบกวนเพื่อประมาณค่าเฉลี่ยและความแปรปรวนของสถิติการแจกแจงมูลค่าของความสูญเสียรวม

โมเดลการพยากรณ์สำหรับการวิเคราะห์ชุดข้อมูลตามเวลา

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

จำแนกข้อมูล เปิดข้อมูล และทำงานบนคลาวด์

• รันบน SAS Viya ซึ่งเป็นเอนจิ้นในหน่วยความจำแบบกระจายและปรับขนาดได้ของแพลตฟอร์ม SAS
• 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