irfplot
语法
描述
状态空间模型完全指定的
状态空间模型部分指定和置信区间估计
irfplot (___,
情节点态上下95%蒙特卡罗信心范围在每个情节。“参数”
estParams,“EstParamCov”
EstParamCov)EstParamCov
指定参数的估计协方差矩阵估计,返回的估计
区间估计函数,需要信心。
例子
情节irf测量和状态变量
显式地创建状态方程模型
一个= 0.5;B = 0.2;C = 2;D = 0.01;Mdl =舰导弹(A, B, C, D)
Mdl =类型:状态空间模型的地对地导弹状态向量与长度:1观察向量长度:1状态扰动向量长度:1创新观察向量长度:1样本容量支持模型:无限的状态变量:x1, x2,…金宝app国家干扰:u1, u2,……观察系列:y1, y2,……观察创新:e1, e2,…状态方程:x1 (t) = (0.50) x1 (t - 1) + (0.20) u1 (t)观测方程:日元(t) = (2) x1 (t) + (0.01) e1 (t)初始状态分布:初始状态意味着x1 0初始状态协方差矩阵x1 x1 0.05类型x1静止状态
Mdl
是一个舰导弹
模型对象。因为所有参数已知值,指定的对象是完全。
情节的irf测量和状态变量。
irfplot (Mdl);
情节题为U1 - > y₁世界宗教自由的 ,情节资格U1 - > X1世界宗教自由的 。两irf表明系统上的冲击的影响减少大约8期。
指定数量的时期和irf阴谋
画出10年间irf只测量变量的系统。
显式地创建多变量状态空间模型扩散
(1 = 0;1 0.3);[0.2 B = 0;0 1];C = [1 0;1 1];D =眼(2);Mdl = dssm (A, B, C, D)
类型:状态空间模型Mdl = dssm状态向量长度:2观测向量长度:2状态扰动向量长度:2观察创新向量长度:2样本大小由模型:无限的状态变量:x1, x2,…金宝app国家干扰:u1, u2,……观察系列:y1, y2,……观察创新:e1, e2,…状态方程:x1 (t) = x1 (t - 1) + (0.20) u1 (t) x2 (t) = x1 (t - 1) + (0.30) x2 (t - 1) + u2 (t)观测方程:日元(t) = x1 (t) + e1 (t) y2 (t) = x1 (t) + x2 (t) + e2 (t)初始状态分布:初始状态意味着x1 x2 0 0 x1初始状态协方差矩阵x1正0 x2 0 x1 Inf状态类型扩散扩散
Mdl
是一个完全指定的舰导弹
模型对象。
画出两个10年间irf的 irf,抑制状态变量。
irfplot (Mdl“NumPeriods”10“PlotY”2,“PlotX”[]);
次要情节是世界宗教自由 造成的冲击 ,这是持久的冲击过滤器通过随机游走的状态 。
次要情节是世界宗教自由的底部 造成的冲击 ,这是短暂的,最终会随着时间流逝,因为状态 展览自回归的行为。
情节累积irf估计模型来指定轴
从已知的模型,模拟数据符合状态空间模型数据,然后指定的情节估计模型的累积irf轴。
假设数据生成过程(文章)是AR(1)模型
在哪里 是一系列独立同分布的高斯变量平均值为0,方差为1。
模拟500观测模型。
rng (1);%的再现性文章= arima (“不变”,1基于“增大化现实”技术的0.75 {0},“方差”1);y =模拟(文章,500);
显式地创建一个模板估计状态空间模型,代表了模型
一个=[0南南;0 1 0;1 0 0];B =[南;0;0);C = (1 0 0);D = 0;Mdl =舰导弹(A, B, C, D,“StateType”[0 1 0]);
模型模板数据。指定一组积极、随机标准高斯开始三个模型参数的值。
EstMdl =估计(Mdl y abs (randn (3,1)));
方法:最大似然(fminunc)样本大小:500对数似然:-892.214 Akaike信息标准:1790.43贝叶斯信息准则:1803.07 |多项式系数性病犯错t统计概率- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - c (1) c (2) | | 0.41320 0.12199 3.38730 0.00071 0.67319 0.02749 24.48749 0 c(3) | 1.11450 0.03623 30.76557 0 | |最终状态性病Dev t统计概率x (1) | 3.69929 x(2) | 1 0 0正正0 x(3) | 1.43378 0正0
EstMdl
是一个完全指定的dssm
模型对象。
情节的累积irf第一和第三状态变量和测量变量EstMdl
。返回相同的情节人物,三个独立的次要情节。
ax = gobject (3,1);为j = 1:元素个数(ax) ax (j) =次要情节(3 1 j);结束irfplot (ax, EstMdl,“累积”,真的,“PlotX”3 [1]);
因为 图中,两个irf是等价的。因为 世界宗教自由在图的底部的次要情节是移到左边,相对于其他两个情节。
情节时变IRF
从一个状态空间模型时变模拟数据,适合的模型数据,然后情节的时变IRF估计模型。
考虑这个系统为代表的文章
写一个函数,用于指定参数参数个数
状态空间模型映射到矩阵。将该代码保存为一个文件命名timeVariantAR1ParamMap.m
在你的MATLAB®路径。另外,开放访问函数的例子。
类型timeVariantAR1ParamMap.m
% 2020年版权MathWorks公司函数[A, B, C, D] = timeVariantAR1ParamMap (params) %时变参数状态空间模型映射函数的例子。这个%函数映射向量参数状态方程矩阵(A, B, C, % D)。从时间1到10,国家模型AR(1)模型,并从%时间11到20,状态模型可能是一个不同的模型AR (1) %。测量方程是相同的整个时间跨度。A1 = {params (1)};A2 = {params (2)};varu1 = exp (params (3));%积极方差约束varu2 = exp (params (4));B1 = {sqrt (varu1)};B2 = {sqrt (varu2)};C = params (5); vare1 = exp(params(6)); D = sqrt(vare1); A = [repmat(A1,10,1); repmat(A2,10,1)]; B = [repmat(B1,10,1); repmat(B2,10,1)]; end
隐式地创建一个状态空间模型部分指定代表文章。对于本例,修复measurement-sensitivity系数
来1.5
。
C = 1.5;fixCParamMap = @ (x) timeVariantAR1ParamMap ([x (1:4), C、x (5)));文章=舰导弹(fixCParamMap);
从文章模拟20观测。因为文章
部分指定,通过真正的参数值吗模拟
通过使用“参数”
名称-值对的论点。
rng (10)%的再现性A1 = 0.75;A2 = -0.1;B1 = 1;B2 = 3;D = 2;trueParams = [A1 A2日志(B1) 2 * 2 *日志(B2) 2 *日志(D)];%转换为参数方差的地图y =模拟(20岁的文章“参数”,trueParams);
y
是一个20-by-1向量的模拟测量吗
从文章。
因为文章
是部分指定,隐式模型对象,它的参数是未知的。因此,它可以作为一个模型估计的模板。
符合模型的模拟数据。指定标准高斯随机初始参数值。返回的参数估计。
[~,estParams] =估计(文章,y, randn (1、5),“显示”,“关闭”)
estParams =1×50.6164 -0.1665 0.0135 1.6803 -1.5855
estParams
是一个1-by-5向量的参数估计。输出参数映射函数的参数列表确定估计的顺序:一个{1}
,一个{2}
,B {1}
,B {2}
,D
。
阴谋的世界宗教自由通过提供测量和状态变量文章
(不估计模型)和估计的参数使用“参数”
名称-值对的论点。
h = irfplot(文章,“参数”,estParams);参照线(h (1, 1) .Parent, 10.5,“——”)
参照线(h .Parent (1、2), 10.5,“——”)
测量的数据显示时变irf和状态变量。第十期对应世界宗教自由的第一个状态方程。期间,剩下的冲击转移到第二个状态方程,通过这个系统,直到它减少和过滤器。
情节IRF信心界限
情节测量variuable IRF和真正的IRF 95%的置信区间。
假设数据生成过程(文章)是AR(1)模型
在哪里 是一系列独立同分布的高斯变量平均值为0,方差为1。
模拟500观测模型。
rng (1);%的再现性文章= arima (“不变”,1基于“增大化现实”技术的0.75 {0},“方差”1);y =模拟(文章,500);
显式地创建一个状态空间模型扩散估计表示模型的模板。适合该模型的数据,并返回参数估计及其相应的估计协方差矩阵。
一个=[0南南;0 1 0;1 0 0];B =[南;0;0);C = (1 0 0);D = 0;Mdl = dssm (A, B, C, D,“StateType”[0 1 0]);[~,estParams EstParamCov] =估计(Mdl y abs (randn (3,1)));
方法:最大似然(fminunc)有效样本大小:500对数似然:-892.214 Akaike信息标准:1790.43贝叶斯信息准则:1803.07 |多项式系数性病犯错t统计概率- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - c (1) c (2) | | 0.41320 0.12199 3.38730 0.00071 0.67319 0.02749 24.48749 0 c(3) | 1.11450 0.03623 30.76557 0 | |最终状态性病Dev t统计概率x (1) | 3.69929 x(2) | 1 0 0正正0 x(3) | 1.43378 0正0
Mdl
是一个完全指定,估计dssm
模型对象。
剧情世界宗教自由,95%的置信区间,测量的变量。
irfplot (Mdl“参数”estParams,“EstParamCov”EstParamCov,…“PlotX”[]);
蓝线代表了估计IRF的 。虚线红线代表上下,逐点的95%置信界限IRF。模型只有一个滞后项(滞后2),冲击过滤器通过系统,它影响第一个状态变量只奇怪的时期。
输入参数
Mdl
- - - - - -状态空间模型
舰导弹
模型对象|dssm
模型对象
,状态空间模型作为一个指定舰导弹
模型对象返回的舰导弹
或其估计
函数,或dssm
模型对象返回的dssm
或其估计
函数。
如果Mdl
部分指定的(也就是说,它包含未知参数),指定估计未知参数的使用“参数”
名称-值参数。否则,irfplot
一个错误的问题。
irfplot
一个错误的问题时Mdl
是一个dimension-varying模型,这是一个时变模型包含至少一个变量变化维度在采样周期(例如,一个状态变量模型)。
提示
如果Mdl
完整说明,你无法估计的信心。估计置信界限:
创建一个部分指定模板状态空间模型的估计
Mdl
。通过使用估计模型
估计
函数和数据。回归估计参数estParams
和估计参数协方差矩阵EstParamCov
。通过模型估计的模板
Mdl
来irfplot
,并指定使用的参数估计和协方差矩阵“参数”
和“EstParamCov”
名称-值参数。为
irfplot
函数,返回相应的输出参数的上下边界的信心。
斧头
- - - - - -轴irf的阴谋
向量的轴
对象
轴的情节irf、指定为一个聚氨酯* (pY + pX)
——- - - - - -1
向量的轴
对象,聚氨酯
,pY
,pX
的值的长度吗“PlotU”
,“PlotY”
,“PlotX”
名称-值对参数,分别。
irfplot
情节irf的轴斧头
在这个秩序。
irf的测量变量
PlotY (:)
第一个状态扰动造成的冲击PlotU (1)
。irf的测量变量
PlotY (:)
第二状态扰动造成的冲击PlotU (2)
。同样继续这个过程,直到
irfplot
情节世界宗教自由与过去的状态扰动有关PlotU(结束)
。重复步骤1到3,但是替换变量和状态变量的测量
PlotX
。
默认情况下,irfplot
情节的measurement-variable irf轴的次要情节在一个新的人物,情节,可变状态的轴irf次要情节在另一个新的图。
名称-值参数
指定可选的双参数作为Name1 = Value1,…,以=家
,在那里的名字
参数名称和吗价值
相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。
R2021a之前,用逗号来分隔每一个名称和值,并附上的名字
在报价。
例子:PlotU, 1:2, PlotX, []
情节只有measurement-variable IRF造成冲击应用于第一和第二state-disturbance变量(可变状态IRF情节镇压)。
NumPeriods
- - - - - -数量的时间
20.
(默认)|正整数
数量的时期irfplot
计算世界宗教自由,指定为一个正整数。时期在世界宗教自由时间1开始和结束时间NumPeriods
。
例子:“NumPeriods”, 10
指定包含10个连续时间点在世界宗教自由时间1开始,在此期间irfplot
适用于冲击,结束时间10。
数据类型:双
参数个数
- - - - - -未知参数的估计
数值向量
估计未知参数的状态空间模型部分指定Mdl
,指定为一个数值向量。
如果Mdl
是部分指定(包含未知参数指定的南
,您必须指定参数个数
。的估计
函数返回参数的估计Mdl
在适当的形式。然而,您可以提供定制估计安排的元素参数个数
如下:
如果
Mdl
是一个显式地创建模型(Mdl.ParamMap
是空的[]
),安排的元素参数个数
对应的列的搜索南
状态空间模型的系数矩阵,初始状态平均向量和协方差矩阵。如果
Mdl
是时不变的,订单是什么一个
,B
,C
,D
,Mean0
,Cov0
。如果
Mdl
是随时间变化的,订单是吗一个{1}
通过{结束}
,B {1}
通过B{结束}
,C {1}
通过C{结束}
,D {1}
通过D{结束}
,Mean0
,Cov0
。
如果
Mdl
是一个隐式创建的模式(Mdl.ParamMap
是一个函数处理),第一个输入参数的parameter-to-matrix映射函数确定元素的顺序的参数个数
。
如果Mdl
完整说明,irfplot
忽略了参数个数
。
例子:状态空间模型考虑Mdl
与A = B =[南0;0南]
,C = [1;1]
,D = 0
,初始状态意味着与协方差为0眼睛(2)
。Mdl
部分指定显式地创建。因为模型参数包含共有四个南
年代,参数个数
必须是一个4-by-1向量,在哪里参数(1)
是估计的(1)
,参数(2)
是估计的(2,2)
,参数(3)
是估计的B (1,1)
,参数(4)
是估计的B (2, 2)
。
数据类型:双
PlotU
- - - - - -State-disturbance变量ut震惊
向量的正整数
State-disturbance变量ut震惊世界宗教自由的土地,指定为逗号分隔组成的“PlotU”
和一个向量的正整数。元素的索引state-disturbance变量u1,t,u2,t、…uk,t。
默认情况下,irfplot
冲击所有state-disturbance变量。
例子:“PlotU”, [1 3]
的冲击u1,- 1和u3、1,irfplot
情节产生的irf。
数据类型:双
PlotY
- - - - - -Measurement-variable irf绘制
向量的正整数|[]
Measurement-variable irf情节,指定为逗号分隔组成的“PlotY”
和一个向量的正整数。元素是测量的指标变量y1,t,y2,t、…yn,t。
如果PlotY
是空的[]
,irfplot
没有情节measurement-variable irf。
默认情况下,irfplot
情节所有measurement-variable irf。
例子:“PlotY”, 1
阴谋的世界宗教自由y1,t。
数据类型:双
PlotX
- - - - - -可变状态irf绘制
向量的正整数|[]
可变状态irf情节,指定为逗号分隔组成的“PlotX”
和一个向量的正整数。元素是状态变量的指标x1,t,x2,t、…x米,t。
如果PlotX
是空的[]
,irfplot
没有任何可变状态irf情节。
默认情况下,irfplot
所有可变状态irf情节。
例子:“PlotX”, []
没有任何可变状态irf情节。
数据类型:双
累积
- - - - - -为计算累积IRF
假
(默认)|真正的
为计算累积IRF、指定为这个表中的一个值。
价值 | 描述 |
---|---|
真正的 |
irfplot 计算所有变量的累积IRF在指定的时间范围。 |
假 |
irfplot 所有变量的计算标准,period-by-period IRF在指定的时间范围。 |
例子:“累积”,真的
数据类型:逻辑
方法
- - - - - -IRF估计算法
“repeated-multiplication”
(默认)|“eigendecomposition”
指定为IRF估计算法“repeated-multiplication”
或“eigendecomposition”
。
世界宗教自由时间的估计量米包含的因素一个米。此表描述了算法计算矩阵幂的支持。金宝app
价值 | 描述 |
---|---|
“repeated-multiplication” |
irfplot 使用递归的乘法。 |
“eigendecomposition” |
irfplot 尝试使用的频谱分解一个计算矩阵的力量。指定这个值只有当你怀疑乘法递归算法可能经验数值问题。更多细节,请参阅算法。 |
数据类型:字符串
|字符
EstParamCov
- - - - - -估计的协方差矩阵未知参数
半正定矩阵数值
估计协方差矩阵未知参数的状态空间模型部分指定Mdl
,指定为半正定矩阵数值。
估计
返回参数协方差矩阵的估计Mdl
在适当的形式。然而,您可以提供定制估计通过设置EstParamCov (
估计协方差的估计参数我
,j
)参数(
和我
)参数(
,无论j
)Mdl
是时不变的或时变。
如果Mdl
完整说明,irfplot
忽略了EstParamCov
。
默认情况下,irfplot
不估计的信心。
数据类型:双
NumPaths
- - - - - -蒙特卡罗抽样数量的路径
1000年
(默认)|正整数
蒙特卡罗样本路径(试验)来生成估计置信界限),指定为一个正整数。
例子:“NumPaths”, 5000年
数据类型:双
信心
- - - - - -置信水平
0.95
(默认)|在[0,1]数字标量
置信水平的信心,指定为一个数值区间[0,1]中的标量。
对于每一个时期,随机画置信区间覆盖真实的反应100 *信心
%的时间。
默认值是0.95
,这意味着信心边界代表95%的置信区间。
例子:信心= 0.9
指定90%置信区间。
数据类型:双
输出参数
h
——情节处理irf和信心
矩阵的行
对象
情节处理的irf和置信界限),作为一个3×——返回聚氨酯* (pY + pX)
矩阵的行
对象,聚氨酯
,pY
,pX
的值的长度吗“PlotU”
,“PlotY”
,“PlotX”
名称-值对参数,分别。
每一列对应的世界宗教自由的组合状态扰动和测量或状态变量。对于一个特定的列,第一行包含处理世界宗教自由,和行2和3包含上下信心边界处理,分别。在这个顺序列显示信息:
irf的测量变量
PlotY (:)
第一个状态扰动造成的冲击PlotU (1)
。irf的测量变量
PlotY (:)
第二状态扰动造成的冲击PlotU (2)
。继续显示同样直到
irfplot
达到世界宗教自由与过去的状态扰动有关PlotU(结束)
。重复步骤1到3,但是替换变量和状态变量的测量
PlotX
。
h
含有独特的情节标识符,可以使用查询或修改属性的阴谋。
更多关于
脉冲响应函数
一个脉冲响应函数(IRF)(或状态空间模型系统的动态响应)的措施和未来的状态和测量变量的变化当每个state-disturbance变量是震惊的单位脉冲周期1。换句话说,世界宗教自由t每个州和测量变量的导数在时间吗t关于state-disturbance变量在时间1,t≥1。
考虑到定常状态空间模型
休克期1考虑一个不曾预料到的单位,适用于state-disturbance变量juj, t。
的r提前响应的状态变量xt的冲击
在哪里r> 0,bj是列jstate-disturbance-loading矩阵的B。
的r提前响应测量的变量yt的冲击
irf取决于它们计算的时间间隔。然而,世界宗教自由的定常状态空间模型时间齐次,这意味着世界宗教自由不依赖于时间的冲击。时变irf,这是一个时变的irf但维度不变系统,形式
在哪里b1,j是列j的B1,周期1 state-disturbance-loading矩阵。时变irf取决于冲击的时间。irfplot
总是在阶段1应用冲击。
irf是独立的初始状态分布。
算法
如果您指定
“eigendecomposition”
为“方法”
名称-值对的论点,irfplot
状态转换关系矩阵对角化的尝试一个利用谱分解。irfplot
度假村递归乘法而不是在至少一种情况下:一个特征值是复杂的。
的特征向量矩阵的秩小于的数量
Mdl
是改变的时候了。
如果你不供应
“EstParamCov”
,信心的每个周期重叠。irfplot
使用蒙特卡罗模拟计算置信区间。
版本历史
介绍了R2020b
MATLAB命令
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。金宝app
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。