拟合CPI与失业率的VAR模型

打开生活的脚本

这个例子展示了如何估计VAR(4)模型的参数。这一系列的反应是消费者价格指数(CPI)和失业率的季度指标。

加载Data_USEconModel数据集。

负载Data_USEconModel

在不同的地块上绘制这两个系列。

图;情节(DataTable.Time DataTable.CPIAUCSL);标题(“消费者价格指数”）;ylabel (“指数”）;包含(“日期”）;

图中包含一个轴对象。标题为消费者价格指数的轴对象包含一个类型为line的对象。

图;情节(DataTable.Time DataTable.UNRATE);标题(“失业率”）;ylabel (“百分比”）;包含(“日期”）;

图中包含一个轴对象。标题为失业率的轴对象包含一个类型为line的对象。

CPI似乎呈指数级增长。

通过将CPI转化为一系列的增长率来稳定CPI。通过从失业率序列中删除第一个观察值来同步这两个序列。

rcpi = price2ret (DataTable.CPIAUCSL);unrate = DataTable.UNRATE(2:结束);

使用简写语法创建默认VAR(4)模型。

Mdl = varm(2、4)

描述:“2维VAR(4)模型”SeriesNames:“Y1”“Y2”NumSeries: 2 P: 4 Constant: [2×1 vector of NaNs] AR: {2×2 matrices of NaNs} at时滞[1 2 3…趋势:[2×1零向量]Beta: [2×0矩阵]协方差:[2×2矩阵的nan]

Mdl是一个varm模型对象。它可以作为模型估计的模板。害怕MATLABi½认为任何南值作为待估计的未知参数值。例如,常数性质是一个2 × 1的向量南值。因此，模型常数就是要估计的模型参数。

使模型与数据相符。

EstMdl =估计(Mdl，[rcpi unrate])

EstMdl = varm with properties:描述:"AR- stationary 2d VAR(4) Model" SeriesNames: "Y1" "Y2" NumSeries: 2 P: 4 Constant: [0.00171639 0.316255]' AR: {2×2 matrices} at delay[1 2 3…趋势:[2×1零向量]Beta: [2×0矩阵]协方差:[2×2矩阵]

EstMdl是一个varm模型对象。EstMdl结构上是一样的吗Mdl，但所有参数都是已知的。要检查估计的参数，可以使用点表示法显示它们。

显示第一滞后项的系数。

EstMdl。基于“增大化现实”技术的{1}

ans =2×20.3090 -0.0032 -4.4834 1.3433

显示估计摘要，包括所有参数，标准误差，和p -检验系数为0的零假设的值。

总结(EstMdl)

AR-Stationary 2d VAR(4)模型有效样本量:241估计参数数:18 LogLikelihood: 811.361 AIC: -1586.72 BIC:-1524 Value StandardError TStatistic PValue ___________ _____________ __________ __________ Constant(1) 0.0017164 0.0015988 1.0735 0.28303 Constant(2) 0.31626 0.091961 3.439 0.0005838 AR{1}(1,1) 0.30899 0.063356 4.877 1.0772e-06 AR{1}(2,1) -4.4834 3.6441 -1.2303 0.21857 AR{1}(1,2) -0.0031796 0.0011306 -2.8122 0.004921 AR{1}(2,2) 1.3433 0.06503220.656 8.546e-95 AR{2}(1,1) 0.22433 0.069631 3.2217 0.0012741 AR{2}(2,1) 7.1896 4.005 1.7951 0.072631 AR{2}(1,2) 0.0012375 0.0018631 0.6642 0.50656 AR{2}(2,2) -0.26817 0.10716 -2.5025 0.012331 AR{3}(1,1) 0.35333 0.068287 5.1742 2.2887e-07 AR{3}(2,1) 1.487 3.9277 0.37858 0.705 AR{3}(1,2) 0.0028594 0.0018621 1.5355 0.12465 AR{3}(2,2) -0.22709 0.1071-2.1202 0.033986 AR{4}(1,1) -0.047563 0.069026 -0.68906 0.9079 AR{4}(2,1) 8.6379 3.9702 2.1757 0.029579 AR{4}(1,2) -0.00096323 0.0011142 -0.86448 0.38733 AR{4}(2,2) 0.076725 0.064088 1.1972 0.23123创新相关矩阵:0.0000 -0.0002 -0.0002 0.1167创新相关矩阵:1.0000 -0.0925 -0.0925 1.0000