估计
配合向量自回归（VAR）模型数据
描述
例子
估计VAR（4）模型
飞度VAR（4）模型的居民消费价格指数（CPI）和失业率数据。
加载Data_USEconModel数据集。
加载Data_USEconModel
绘制在不同的地块两大系列。
数字;情节（DataTable.Time，DataTable.CPIAUCSL）;标题（'消费者价格指数'）;ylabel（'指数'）;xlabel（'日期'）;
数字;情节（DataTable.Time，DataTable.UNRATE）;标题（'失业率'）;ylabel（'百分'）;xlabel（'日期'）;
通过将其转换为一系列增长率的稳定CPI。通过从失业率系列的第一观察同步两大系列。
RCPI = price2ret（DataTable.CPIAUCSL）;unrate = DataTable.UNRATE（2：结束）;
创建使用语法速记默认VAR（4）模型。
MDL = varm（2,4）
MDL = varm具有属性：说明： “2维VAR（4）模型” SeriesNames： “Y1”， “Y2” NumSeries：2，P：4常数：AR [2×1的NaN矢量]：{2×2点矩阵的的NaN}在滞后[1 2 3 ...和1更多]趋势：测试[2×1零矢量]：[2×0矩阵]协方差：[2×2的NaN矩阵]
MDL是varm模型对象。包含所有属性为NaN值对应于待估计给定的数据参数。
估计使用整个数据集模型。
EstMdl =估计（MDL，[RCPI unrate]）
EstMdl = varm与属性：描述： “AR-固定2维VAR（4）模型” SeriesNames： “Y1”， “Y2” NumSeries：2，P：4常数：[0.00171639 0.316255]” AR：{2×2矩阵}在滞后[1 2 3 ...和1更多]趋势：[零的2×1向量]贝塔：[2×0矩阵]协方差：[2×2矩阵]
EstMdl是估计varm模型对象。它完全指定的，因为所有的参数都具有已知值。该说明指出自回归多项式是静止的。
显示从估算汇总统计。
总结（EstMdl）
AR-2固定维VAR（4）模型有效样本规模：241估计的参数的数量：18对数似然：811.361 AIC：-1586.72 BIC：-1524值StandardError的TStatistic p值___________ _____________ __________ __________常数（1）0.0017164 0.0015988 1.0735 0.28303恒（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 0.065032 20.656 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 3.92770.37858 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 0.49079 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创新协方差矩阵：0.0000 -0.0002 -0.0002 0.1167创新相关矩阵：1.0000 -0.0925 -0.0925 1.0000
指定样品前值
飞度VAR（4）模型的居民消费价格指数（CPI）和失业率数据。估计样本开始于1980年第一季度。
加载Data_USEconModel数据集。
加载Data_USEconModel
通过将其转换为一系列增长率的稳定CPI。通过从失业率系列的第一观察同步两大系列。
RCPI = price2ret（DataTable.CPIAUCSL）;unrate = DataTable.UNRATE（2：结束）;
识别对应于所述估计样品的开始索引。
estIdx = DataTable.Time（2：结束）>“1979年12月31日”;
创建使用语法速记默认VAR（4）模型。
MDL = varm（2,4）;
估计使用估计样本模型。指定估计样品样品前数据之前所有观测。显示完整的估计总结。
Y0 = [RCPI（〜estIdx）unrate（〜estIdx）];EstMdl =估计（MDL，[RCPI（estIdx）unrate（estIdx）]'Y0'，Y0，'显示'，“充分”）;
AR-2固定维VAR（4）模型有效样本规模：117估计的参数的数量：18对数似然：419.837 AIC：-803.674 BIC：-753.955值StandardError的TStatistic p值__________ _____________ __________ __________常数（1）0.003564 0.0024697 1.4431 0.14898恒（2）0.29922 0.11882 2.5182 0.011795 AR {1}（1,1）0.022379 0.092458 0.24204 0.80875 AR {1}（2,1）-2.6318 4.4484 -0.59163 0.5541 AR {1}（1,2）-0.0082357 0.0020373 -4.0425 5.2884E-05 AR {1}（2,2）1.2567 0.09802 12.82 1.2601e-37 AR {2}（1,1）0.20954 0.10182 2.0581 0.039584 AR {2}（2,1）10.106 4.8987 2.063 0.039117 AR {2}（1,2）0.0058667 0.003194 1.8368 0.066236 AR {2}（2,2）-0.14226 0.15367 -0.92571 0.35459 AR {3}（1,1）0.56095 0.098691 5.6839 1.3167e-08 AR {3}（2,1）0.44406 4.74830.093518 0.92549 AR {3}（1,2）0.0049062 0.003227 1.5204 0.12841 AR {3}（2,2）-0.040037 0.15526 -0.25787 0.7965 AR {4}（1,1）0.046125 0.11163 0.41321 0.67945 AR {4}（2，1）6.758 5.3707 1.2583 0.20827 AR {4}（1,2）-0.0030032 0.002018 -1.4882 0.1367 AR {4}（2，2）-0.14412 0.097094 -1.4843 0.13773创新协方差矩阵：0.0000 -0.0003 -0.0003 0.0790创新相关矩阵：1.0000 -0.1686 -0.1686 1.0000
由于VAR模型程度p是4，估计只使用在过去的四点看法Y0作为样品前。
包括外生预测变量
估计VAR（4）居民消费价格指数（CPI），失业率，以及实际国内生产总值（GDP）的模型。包括含有当前季度的线性回归分量和政府消费支出和投资（GCE）的过去四个季度。
加载Data_USEconModel数据集。计算的实际国内生产总值。
加载Data_USEconModelDataTable.RGDP = DataTable.GDP./DataTable.GDPDEF*100;
绘制在不同地块的所有变量。
数字;副区（2,2,1）情节（DataTable.Time，DataTable.CPIAUCSL）;ylabel（'指数'）;标题（'消费者价格指数'）;副区（2,2,2）情节（DataTable.Time，DataTable.UNRATE）;ylabel（'百分'）;标题（'失业率'）;副区（2,2,3-）情节（DataTable.Time，DataTable.RGDP）;ylabel（“输出”）;标题（“实际国内生产总值”）副区（2,2,4）情节（DataTable.Time，DataTable.GCE）;ylabel（“$十亿”）;标题（“政府支出）
每个转换成一连串增长率的稳定CPI，GDP和GCE系列。通过移除它的第一个观测同步失业率系列与他人。
inputVariables = {'CPIAUCSL''RGDP''GCE'};数据= varfun（@ price2ret，数据表，'InputVariables'，inputVariables）;Data.Properties.VariableNames = inputVariables;Data.UNRATE = DataTable.UNRATE（2：结束）;
通过四个滞后值展开GCE率系列，其包括它的当前值的矩阵和向上。去除GCE从变量数据。
rgcelag4 = lagmatrix（Data.GCE，0：4）;Data.GCE = [];
创建使用语法速记默认VAR（4）模型。您不必创建模型时指定回归成分。
MDL = varm（3,4）;
估计使用整个样品的模型。指定GCE速率矩阵作为回归分量的数据。提取标准误差和对数似然值。
[EstMdl，EstSE，logL] =估计（MDL，Data.Variables，'X'，rgcelag4）;
显示回归系数矩阵。
EstMdl.Beta
ANS =3×50.0777 -0.0892 -0.0685 -0.0181 0.0330 0.1450 -0.0304 0.0579 -0.0559 0.0185 -2.8138 -0.1636 0.3905 1.1799 -2.3328
EstMdl.Beta是一个3×5的矩阵。行对应于响应系列，以及列对应于预测。
显示对应于系数估计的标准误差的矩阵。
EstSE.Beta
ANS =3×50.0250 0.0272 0.0275 0.0274 0.0243 0.0368 0.0401 0.0405 0.0403 0.0358 1.4552 1.5841 1.6028 1.5918 1.4145
EstSE.Beta是相称EstMdl.Beta。
显示对数似然值。
logL
logL = 1.7056e + 03
输入参数
输出参数
参考
[1]汉密尔顿，J. D.时间序列分析。普林斯顿，NJ：普林斯顿大学出版社，1994年。
[2]约翰森S.在协整向量自回归模型的可能性为基础的推理。牛津：牛津大学出版社，1995年。
[3]Juselius，K.在协整VAR模型。牛津：牛津大学出版社，2006年。
[4]Lütkepohl，H.新介绍多时间序列分析。柏林：施普林格，2005年。
介绍了在R2017a
您还可以选择从下面的列表中的网站：
