主要内容

估计

矢量数据纠错(VEC)模型

所有的页面崩溃

语法

EstMdl =估计(Mdl, Y)
EstMdl =估计(Mdl Y、名称、值)
[EstMdl, EstSE] =估计(<年代pan class="argument_placeholder">___)
[EstMdl EstSE logL E] =估计(<年代pan class="argument_placeholder">___)

描述

例子

EstMdl=估计(Mdl,Y)返回一个指定完全VEC (p- 1)模型。这个模型存储VEC(估计参数值产生的拟合p- 1)模型Mdl观察到的多元反应级数Y使用最大似然。

例子

EstMdl=估计(Mdl,Y,名称,值)使用附加选项指定一个或多个名称参数。例如,“模型”,“H1 *”、“X”, X指定的H1 *约翰森形式确定的条款和X作为外生回归预测数据组件。

例子

(EstMdl,EstSE)=估计(<年代pan class="argument_placeholder">___)返回估计,渐近估计的标准误差参数使用任何输入参数在前面的语法。

例子

(EstMdl,EstSE,logL,E)=估计(<年代pan class="argument_placeholder">___)返回loglikelihood优化目标函数值(logL)和多变量残差(E)。

例子

全部折叠

打开生活的脚本

VEC模型考虑以下七个宏观经济系列,然后适应模型数据。

  • 国内生产总值(GDP)

  • 国内生产总值物价折算指数

  • 支付员工薪酬

  • 非农商业部门的所有人

  • 有效联邦基金利率

  • 个人消费支出

  • 国内私人投资总额

假设协整排4和一个短期的术语是适当的,也就是说,考虑一个VEC(1)模型。

加载Data_USEconVECModel数据集。

负载<年代pan style="color:#A020F0">Data_USEconVECModel

在数据集和变量的更多信息,进入描述在命令行中。

确定是否需要预处理的数据绘制系列在不同的情节。

图;次要情节(2、2、1)情节(FRED.Time FRED.GDP);标题(<年代pan style="color:#A020F0">“国内生产总值”);ylabel (<年代pan style="color:#A020F0">“指数”);包含(<年代pan style="color:#A020F0">“日期”);次要情节(2 2 2)情节(FRED.Time FRED.GDPDEF);标题(<年代pan style="color:#A020F0">“GDP平减指数”);ylabel (<年代pan style="color:#A020F0">“指数”);包含(<年代pan style="color:#A020F0">“日期”);次要情节(2,2,3)情节(FRED.Time FRED.COE);标题(<年代pan style="color:#A020F0">员工的薪酬支付);ylabel (<年代pan style="color:#A020F0">数十亿美元的);包含(<年代pan style="color:#A020F0">“日期”);次要情节(2,2,4)情节(FRED.Time FRED.HOANBS);标题(<年代pan style="color:#A020F0">“非农商业部门小时”);ylabel (<年代pan style="color:#A020F0">“指数”);包含(<年代pan style="color:#A020F0">“日期”);

图包含4轴对象。坐标轴对象1标题占国内生产总值(gdp)包含一个类型的对象。坐标轴对象2标题GDP平减指数包含一个类型的对象。坐标轴对象3标题支付薪酬的员工包含一个类型的对象。坐标轴对象4标题非农商业部门小时包含一个类型的对象。

图;次要情节(2、2、1)情节(FRED.Time FRED.FEDFUNDS);标题(<年代pan style="color:#A020F0">“联邦基金利率”);ylabel (<年代pan style="color:#A020F0">“百分比”);包含(<年代pan style="color:#A020F0">“日期”);次要情节(2 2 2)情节(FRED.Time FRED.PCEC);标题(<年代pan style="color:#A020F0">“消费支出”);ylabel (<年代pan style="color:#A020F0">数十亿美元的);包含(<年代pan style="color:#A020F0">“日期”);次要情节(2,2,3)情节(FRED.Time FRED.GPDI);标题(<年代pan style="color:#A020F0">“国内私人投资总额”);ylabel (<年代pan style="color:#A020F0">数十亿美元的);包含(<年代pan style="color:#A020F0">“日期”);

图包含3轴对象。坐标轴对象1标题联邦基金利率包含一个类型的对象。坐标轴对象2标题消费支出包含一个类型的对象。坐标轴对象3标题国内私人投资总额包含一个类型的对象。

稳定所有系列,除了联邦基金利率,运用对数变换。规模的系列100年所有系列都在相同的规模。

弗雷德。国内生产总值= 100 *日志(FRED.GDP);弗雷德。GDPDEF = 100 *日志(FRED.GDPDEF);弗雷德。COE = 100 *日志(FRED.COE);弗雷德。HOANBS = 100*log(FRED.HOANBS); FRED.PCEC = 100*log(FRED.PCEC); FRED.GPDI = 100*log(FRED.GPDI);

VEC(1)创建一个模型使用简写语法。指定变量名。

Mdl =结果(7 4 1);Mdl。年代eriesNames = FRED.Properties.VariableNames
Mdl =结果属性:描述:“7-Dimensional排名VEC(1) = 4模型与线性时间趋势”SeriesNames:“GDP”“GDPDEF”“卓越中心”……和4更NumSeries: 7等级:4 P: 2常数:[7×1的向量nan]调整:[7×4矩阵nan)协整:[7×4矩阵nan)影响:[7×7矩阵nan] CointegrationConstant:[4×1的向量nan] CointegrationTrend:[4×1的向量nan]短期的:{7×7矩阵nan}在滞后[1]的趋势:[7×1的向量nan]β:协方差矩阵[7×0]:[7×7矩阵nan)

Mdl是一个结果模型对象。所有属性包含南值对应于参数估计给定数据。

估计模型使用整个数据集和默认选项。

FRED.Variables EstMdl =估计(Mdl)
EstMdl =结果属性:描述:“7-Dimensional排名VEC(1) = 4模式”SeriesNames:“GDP”“GDPDEF”“卓越中心”……和4更NumSeries: 7等级:4 P: 2常数:[14.1329 8.77841 -7.20359……和4)的调整:[7×4矩阵]协整:[7×4矩阵)影响:[7×7矩阵]CointegrationConstant: [-28.6082 109.555 -77.0912……和1]“CointegrationTrend:(4×1零向量)短期的:{7×7矩阵}在滞后[1]的趋势:[7×1的向量0]β:协方差矩阵[7×0]:[7×7矩阵)

EstMdl是一个估计结果模型对象。它是完全因为所有参数已知值指定。默认情况下,估计强加的约束H1 VEC模型形式通过移除Johansen协整的趋势从模型和线性趋势。参数被排除在估计相当于实施等式约束为零。

从估计显示一个简短的摘要。

结果=总结(EstMdl)
结果=<年代pan class="emphasis">结构体字段:描述:“7-Dimensional排名VEC(1) = 4模式”模式:“H1”SampleSize: 238 NumEstimatedParameters: 112 LogLikelihood: -1.4939 e + 03 AIC: 3.2118 e + 03 BIC: 3.6007 e + 03表:表][133 x4协方差:[7 x7双]相关:[7 x7双)

的表领域的结果是一个表的参数估计和相应的统计数据。

打开生活的脚本

考虑的模型和数据VEC模型估计,假设估计样本从1980年第一季度开始。

加载Data_USEconVECModel数据集和数据进行预处理。

负载<年代pan style="color:#A020F0">Data_USEconVECModel弗雷德。国内生产总值= 100 *日志(FRED.GDP);弗雷德。GDPDEF = 100 *日志(FRED.GDPDEF);弗雷德。COE = 100 *日志(FRED.COE);弗雷德。HOANBS = 100*log(FRED.HOANBS); FRED.PCEC = 100*log(FRED.PCEC); FRED.GPDI = 100*log(FRED.GPDI);

确定相对应的指数估计样本的开始。

estIdx = FRED.Time(2:结束)><年代pan style="color:#A020F0">“1979-12-31”;

创建一个默认使用简写语法VEC(1)模型。假定适当的协整等级是4。指定变量名。

Mdl =结果(7 4 1);Mdl。年代eriesNames = FRED.Properties.VariableNames;

使用估计样本估计模型。指定所有观测前估计样本presample数据。同时,指定的H约翰森形式估计VEC模型,其中包括所有确定的参数。

弗雷德Y0 = {~ estIdx,:};EstMdl =估计(Mdl,弗雷德{estIdx:},<年代pan style="color:#A020F0">“Y0”,Y0,<年代pan style="color:#A020F0">“模型”,<年代pan style="color:#A020F0">“H”)
EstMdl =结果属性:描述:“7-Dimensional排名VEC(1) = 4模型与线性时间趋势”SeriesNames:“GDP”“GDPDEF”“卓越中心”……和4更NumSeries: 7等级:4 P: 2常数:[17.5698 3.74759 -20.1998……和4)的调整:[7×4矩阵]协整:[7×4矩阵)影响:[7×7矩阵]CointegrationConstant: [85.4825 -57.3569 -81.7344……和1]“CointegrationTrend: [-0.0264185 -0.00275396 -0.0249583……和1]“短期的:{7×7矩阵}滞后[1]的趋势:[0.000514564 -0.000291183 0.00179965……和4]“β:协方差矩阵[7×0]:[7×7矩阵)

因为使用VEC模型秩序<年代pan class="emphasis">p是2,估计只使用最后两个观测(行)Y0presample。

打开生活的脚本

考虑的模型和数据VEC模型估计。

加载Data_USEconVECModel数据集和数据进行预处理。

负载<年代pan style="color:#A020F0">Data_USEconVECModel弗雷德。国内生产总值= 100 *日志(FRED.GDP);弗雷德。GDPDEF = 100 *日志(FRED.GDPDEF);弗雷德。COE = 100 *日志(FRED.COE);弗雷德。HOANBS = 100*log(FRED.HOANBS); FRED.PCEC = 100*log(FRED.PCEC); FRED.GPDI = 100*log(FRED.GPDI);

的Data_Recessions数据集包含了衰退的开始和结束连续日期。加载这个数据集。日期序列号的矩阵转换为一个datetime数组。

负载<年代pan style="color:#A020F0">Data_Recessionsdtrec = datetime(衰退,<年代pan style="color:#A020F0">“ConvertFrom”,<年代pan style="color:#A020F0">“datenum”);

创建一个标识的哑变量中,美国在衰退时期甚至更糟。具体地说,该变量1如果FRED.Time发生在经济衰退期间,0否则。

isin = @ (x)(任何(dtrec (: 1) < = x & x < = dtrec (:, 2)));isrecession =双(arrayfun(型号、FRED.Time));

VEC(1)创建一个模型使用简写语法。假定适当的协整等级是4。你不需要指定的组件创建模型时回归。指定变量名。

Mdl =结果(7 4 1);Mdl。年代eriesNames = FRED.Properties.VariableNames;

使用整个样本估计模型。指定预测识别是否在经济衰退期间观察测量。返回标准错误。

[EstMdl, EstSE] =估计(Mdl FRED.Variables,<年代pan style="color:#A020F0">“X”,isrecession);

显示每个方程的回归系数和相应的标准误差。

EstMdl.Beta
ans =<年代pan class="emphasis">7×1-1.1975 -0.0187 -0.7530 -0.7094 -0.5932 -0.6835 -4.4839
EstSE.Beta
ans =<年代pan class="emphasis">7×10.1547 0.0581 0.1507 0.1278 0.2471 0.1311 0.7150

EstMdl.Beta和EstSE.Beta是7-by-1向量。行对应于响应变量EstMdl.SeriesNames和列对应于预测。

检查衰退的影响是否显著,获得汇总统计数据总结,然后显示结果β。

结果=总结(EstMdl);isbeta =包含(results.Table.Properties.RowNames,<年代pan style="color:#A020F0">“β”);betaresults = results.Table (isbeta:)
betaresults =<年代pan class="emphasis">7×4表价值StandardError TStatistic PValue _____ _________________ __________ __________β(1,1)-1.1975 0.15469 -7.7411 9.8569 e15汽油β(2,1)-0.018738 0.05806 -0.32273 0.7469 Beta (3,1) -0.75305 0.15071 -4.9966 5.8341 e-07β(4,1)-0.70936 0.12776 -5.5521 2.8221 e-08β(1)-0.5932 0.24712 -2.4004 0.016377 Beta (6,1) -0.68353 0.13107 -5.2151 1.837 e-07β(7日1)-4.4839 0.715 -6.2712 3.5822平台以及
whichsig = EstMdl.SeriesNames (betaresults。PValue < 0.05)
whichsig =<年代pan class="emphasis">1 x6字符串“国内生产总值”“科”“HOANBS”“FEDFUNDS”“PCEC”“GPDI”

所有系列除了GDPDEF似乎有重大的经济衰退的影响。

输入参数

全部折叠

VEC模型包含未知参数值,指定为一个结果模型对象返回的结果。

南价值元素属性显示未知,可估计的参数。指定的元素表示等式约束在模型估计参数。创新的协方差矩阵Mdl.Covariance不能包含的混合体南价值观和实数;你必须完全指定协方差或它必须完全未知的(南(Mdl.NumSeries))。

观察到的多元反应级数估计适合的模型,指定为一个numobs——- - - - - -numseries数字矩阵。

numobs是样本容量。numseries响应变量的数量(Mdl.NumSeries)。

行对应于观测,最后一行包含最新的观测。

列对应单个响应变量。

Y代表presample响应系列的延续Y0。

数据类型:双

名称-值参数

指定可选的逗号分隔条名称,值参数。的名字参数名称和吗价值相应的价值。的名字必须出现在引号。您可以指定几个名称和值对参数在任何顺序Name1, Value1,…,的家。

例子:“模型”、“H1 *”Y0, Y0, X, X只包含确定的条款在H1 VEC模型的形式,使用矩阵Y0presample反应所需的评估,包括线性回归预测数据的组件组成X。

Presample反应启动模型估计,指定为逗号分隔组成的“Y0”和一个numpreobs——- - - - - -numseries数字矩阵。

numpreobs是presample观测的数量。

行对应presample观察,最后一行包含最新的观测。Y0必须至少有Mdl.P行。如果你提供更多不必要的行,估计使用了最新的Mdl.P观察。

列必须对应反应级数Y。

默认情况下,估计使用Y (1: Mdl.P,:)作为presample观测,然后符合模型Y (Mdl。P + 1):最终,:)。这一行动减少了有效的样本大小。

数据类型:双

回归预测数据组件模型中,指定为逗号分隔组成的“X”和一个数字矩阵包含numpreds列。

numpreds是预测变量的数量。

行对应于观测,最后一行包含最新的观测。估计不使用回归组件presample时期。X必须至少尽可能多的观测presample时期后使用。

  • 如果您指定Y0,然后X必须至少有numobs行(见Y)。

  • 否则,X必须至少有numobs- - - - - -Mdl.P观察为presample删除账户。

在这两种情况下,如果你行供应超过必要的,估计只使用了最新的观测。

列对应个人预测变量。所有预测变量存在于每个响应方程的回归组件。

默认情况下,估计排除了回归组件,无论它的存在Mdl。

数据类型:双

约翰森形式VEC(的p- 1)模型确定的条款[2],指定为逗号分隔两人组成的“模型”这个表和一个值(变量定义,请参阅向量误差修正模型)。

价值 纠错的术语 描述
“氢气”

AB´yt−1

没有拦截或趋势存在协整关系,和不确定性的趋势出现在数据的水平。

指定本系列模型只有当所有反应的意思是零。
“H1 *”

一个(B´yt−1+c0)

拦截存在协整关系,没有确定性的趋势出现在数据的水平。
“标题”

一个(B´yt−1+c0)+c1

拦截中存在协整关系,确定线性趋势出现在数据的水平。
“H *” 一个(B´yt−1+c0+d0t)+c1

拦截和线性趋势存在协整关系,和确定性线性趋势出现在数据的水平。
“H” 一个(B´yt−1+c0+d0t)+c1+d1t

拦截和线性趋势存在协整关系,和确定的二次趋势出现在数据的水平。

如果二次趋势数据中不存在,这个模型可以产生好的样本符合但贫穷的样本外预测。

在评估期间,如果整体模型常数,总体线性趋势,同积常数,或同积线性趋势参数模型,估计限制了他们为零。如果你指定一个不同的等式约束,也就是说,如果属性对应于这些确定性方面被限制到零值的向量南值或零估计一个错误的问题。实施支持等式约束,选择金宝app约翰森模型包含确定的术语,你想限制。

例子:“模型”,“H1 *”

数据类型:字符串|字符

评估信息显示类型,指定为逗号分隔组成的“显示”在这个表和一个值。

价值 描述
“关闭” 估计不显示在命令行估计信息。
“表” 估计显示一个表估计信息。行对应参数,和列对应的估计,标准错误,t统计数据,p值。
“全部” 除了一个表的汇总统计,估计显示估计创新协方差和相关性矩阵,loglikelihood价值,Akaike信息准则(AIC),贝叶斯信息准则(BIC),和其他的评估信息。

例子:“显示”,“全部”

数据类型:字符串|字符

最大数量的迭代解算器允许的,指定为逗号分隔组成的“MaxIterations”和积极的数字标量。

估计分派MaxIterations来mvregress。

数据类型:双

请注意

南值Y,Y0,X显示缺失值。估计从数据中删除缺失值list-wise删除。

  • presample,估计包含至少一个删除任何行南。

  • 估计的样本,估计连续数据的删除任何行矩阵(X, Y)包含至少一个南。

这种类型的数据减少降低了有效的样本大小。

输出参数

全部折叠

估计VEC (p- 1)模型,作为一个返回结果模型对象。EstMdl是一个完全指定的结果模型。

估计使用mvregress实现多元正态,最大似然估计。更多细节,请参阅多元回归模型的估计。

估计,渐近估计的标准误差参数,返回一个结构数组包含这个表的字段。

场 描述
常数 标准错误的整体模型常数(c)相应的估计EstMdl.Constant,一个Mdl.NumSeries1数字矢量
调整 标准错误的调整速度(一个)相应的估计EstMdl.Adjustment,一个Mdl.NumSeries——- - - - - -Mdl.Rank数值向量
影响 标准错误的影响系数(Π)相应的估计EstMdl.Impact,一个Mdl.NumSeries——- - - - - -Mdl.NumSeries数值向量
短期的 标准错误的短期系数(Φ)相应的估计EstMdl.ShortRun,一个细胞向量元素对应EstMdl.ShortRun
β 标准回归系数的错误(β)相应的估计EstMdl.Beta,一个Mdl.NumSeries——- - - - - -numpreds数字矩阵
趋势 标准错误的总体线性时间趋势(d)相应的估计EstMdl.Trend,一个Mdl.NumSeries1数字矢量

如果估计等式约束在估计,修复任何参数适用于一个值,然后相应的标准误差的参数0。

估计提取所有标准错误返回预期的费舍尔信息矩阵的逆mvregress(见标准错误)。

loglikelihood优化目标函数值,作为数字返回标量。

多变量的残差拟合模型,作为一个数字矩阵包含返回numseries列。

  • 如果您指定Y0,然后E有numobs行(见Y)。

  • 否则,E有numobs- - - - - -Mdl.P行占presample删除。

更多关于

全部折叠

向量误差修正模型

一个向量纠错(VEC)模型是一个多变量,随机时间序列模型组成的一个系统的米=numseries方程米不同,差响应变量。系统可以包括一个方程纠错的术语,这是一个线性函数使用的反应水平的稳定系统。的协整排r的数量是协整关系系统中存在。

每个响应方程可以包括一个自回归多项式组成的第一个响应系列的差异(短期的多项式的程度p- 1),一个常数,趋势,外生因素变量和常数纠错和时间趋势项。

VEC (p- 1)模型差分方程的符号而在简化型可以表现在两个方面:

  • 这个方程是组件的形式VEC模型,协整调整速度和协整矩阵显式,而矩阵是隐含的影响。

    Δ y t = 一个 ( B ′ y t − 1 + c 0 + d 0 t ) + c 1 + d 1 t + Φ 1 Δ y t − 1 + … + Φ p − 1 Δ y t − ( p − 1 ) + β x t + ε t = c + d t + 一个 B ′ y t − 1 + Φ 1 Δ y t − 1 + … + Φ p − 1 Δ y t − ( p − 1 ) + β x t + ε t 。

    的协整关系B”yt- 1+c0+d0t和纠错术语一个(B”yt- 1+c0+d0t)。

  • 这个方程是影响形式VEC模型,影响矩阵是显式的,而协整调整速度和协整矩阵是隐含的。

    Δ y t = Π y t − 1 + 一个 ( c 0 + d 0 t ) + c 1 + d 1 t + Φ 1 Δ y t − 1 + … + Φ p − 1 Δ y t − ( p − 1 ) + β x t + ε t = c + d t + Π y t − 1 + Φ 1 Δ y t − 1 + … + Φ p − 1 Δ y t − ( p − 1 ) + β x t + ε t 。

在方程:

  • y<年代ub>t是一个米1对应的值的向量米响应变量在时间t,在那里t= 1,…,T。

  • Δy<年代ub>t=y<年代ub>t- - - - - -yt- 1。结构系数是单位矩阵。

  • r协整关系的数量,一般来说,0 <r<米。

  • 一个是一个米——- - - - - -r矩阵的调整速度。

  • B是一个米——- - - - - -r协整的矩阵。

  • Π是一个米——- - - - - -米影响矩阵的秩r。

  • c0是一个r1向量常量(拦截)的协整关系。

  • d0是一个r1向量线性时间趋势的协整关系。

  • c1是一个米1常数向量(确定线性趋势在y<年代ub>t)。

  • d1是一个米1的向量的线性时间趋势值(确定二次趋势在y<年代ub>t)。

  • c=一个c0+c1,是整个常数。

  • d=一个d0+d1整体时间系数。

  • Φ<年代ub>j是一个米——- - - - - -米短期系数矩阵,j= 1,…,p- 1和Φ<年代ub>p- 1不是一个矩阵只包含0。

  • x<年代ub>t是一个k1对应的值的向量k外生变量预测指标。

  • β是一个米——- - - - - -k回归系数的矩阵。

  • ε<年代ub>t是一个米1的向量随机高斯创新,每一个都有0和集体的意义米——- - - - - -米Σ协方差矩阵。为t≠年代,ε<年代ub>t和ε<年代ub>年代是独立的。

浓缩和滞后算子符号,系统

Φ ( l ) ( 1 − l ) y t = 一个 ( B ′ y t − 1 + c 0 + d 0 t ) + c 1 + d 1 t + β x t + ε t = c + d t + 一个 B ′ y t − 1 + β x t + ε t

在哪里<年代pan class="inlineequation"> Φ ( l ) = 我 − Φ 1 − Φ 2 − … − Φ p − 1 ,我是米——- - - - - -米单位矩阵,ly<年代ub>t=yt- 1。

如果米=rVEC模型是稳定的,那么VAR (p)模型水平的反应。如果r= 0,那么0的纠错项是一个矩阵,和VEC (p- 1)模型是一种稳定的VAR (p- 1)模型在第一反应的差异。

约翰森形式

的约翰森形式的VEC模型对不同的存在确定的条款。详细的[2],估计过程中不同形式。因此,容许等式约束在确定性条件估计不同形式之一。更多细节,请参阅确定的条款的作用。

这个表描述了五个约翰森等式约束形式和支持。金宝app

形式 纠错的术语 确定性系数 等式约束
H2

AB´yt−1

c= 0 (常数)。

d= 0 (趋势)。

c0= 0 (CointegrationConstant)。

d0= 0 (CointegrationTrend)。

您完全可以指定B。

所有确定的系数为零。
H1 *

一个(B´yt−1+c0)

c=一个c0。

d= 0。

d0= 0。

如果你完全指定B或c0,那么你必须完全指定其他。

MATLAB<年代up>®获得的价值c从c0和一个。

所有确定的趋势为零。
H1

一个(B´yt−1+c0)+c1

c=一个c0+c1。

d= 0。

d0= 0。

您完全可以指定B。

您可以指定的混合物南和数值c。

MATLAB的价值c0从c和一个。

所有确定的趋势为零。
H *

一个(B´yt−1+c0+d0t)+c1

c=一个c0+c1。

d=一个d0。

如果你完全指定B或d0,那么你必须完全指定其他。

您可以指定的混合物南和数值c。

MATLAB的价值c0从c和一个。

MATLAB的价值d从一个和d0。
H

一个(B´yt−1+c0+d0t)+c1+d1t

c=一个c0+c1。

d=一个。d0+d1。

您完全可以指定B。

您可以指定的混合物南和数值c和d。

MATLAB的值c0和d0从c,d,一个。

算法

  • 如果1≤Mdl.Rank≤Mdl.NumSeries- - - - - -1与大多数VEC模型,估计执行参数估计在两个步骤。

    1. 估计估计参数的协整关系,包括任何限制拦截和时间趋势,约翰森的方法[2]。

      • 协整关系的形式对应的五参数形式被约翰森[2](见“模型”)。更多细节,请参阅jcitest和jcontest。

      • 调整速度参数(一个)和协整矩阵(BVEC ()p- 1)模型不能唯一标识。然而,产品Π=一个*Bʹ是可识别的。在这个评估的步骤,B=V1:r,在那里V1:r矩阵由所有行和第一r列的特征向量矩阵V。V归一化,Vʹ*年代11*V=我。更多细节,请参阅[2]。

    2. 估计构造的纠错方面估计协整关系。然后,估计估计剩下的条款VEC模型通过构建向量自回归(VAR)模型在第一个分歧,包括纠错的预测因子。对于没有协整关系模型(Mdl.Rank= 0)或同积矩阵的满秩(Mdl.Rank=Mdl.Numseries),估计执行这个VAR估计的步骤。

  • 您可以删除平稳序列,与标准单位向量空间的协整关系,从协整分析。为平稳性进行预测个人系列,使用adftest,ppt,kpsstest,lmctest。作为一种替代方法,您可以测试标准单位向量的上下文中使用完整的模型jcontest。

  • 如果1≤Mdl.Rank≤Mdl.NumSeries- - - - - -1参数的渐近误差协方差,协整关系(包括B,c0,d0对应于协整,CointegrationConstant,CointegrationTrend通常非高斯特性,分别)。因此,估计不估计或返回相应的标准误差。

    相比之下,综合影响的误差协方差矩阵,定义为产品一个*Bʹ渐近高斯。因此,估计估计,并返回它的标准错误。类似警告保持整体的标准误差常数和线性趋势(一个*c0和一个*d0对应于常数和趋势分别为属性)的H1 *和H *约翰森形式。

引用

[1]<年代pan>汉密尔顿,詹姆斯D。时间序列分析。普林斯顿,纽约:普林斯顿大学出版社,1994年。

[2]<年代pan>约翰森,S。基于可能性推理在共合体向量自回归模型。牛津:牛津大学出版社,1995年。

[3]<年代pan>Juselius, K。共合体VAR模型。牛津:牛津大学出版社,2006年。

[4]<年代pan>Lutkepohl, H。新的多元时间序列分析的介绍。柏林:施普林格出版社,2005年。

另请参阅

对象

功能

  • |<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">

主题

介绍了R2017b

计量经济学工具文档

金宝app

一个实用指南与MATLAB建模金融风险

一个实用指南与MATLAB建模金融风险

下载电子书