适合的VAR模型CPI和失业率
这个例子展示了如何估算一个VAR(4)模型的参数。反应级数是季度消费者物价指数(CPI)和失业率。
加载Data_USEconModel数据集。
负载Data_USEconModel
画出两个系列在不同的情节。
图;情节(DataTimeTable.Time DataTimeTable.CPIAUCSL);标题(“消费者价格指数”)ylabel (“指数”)包含(“日期”)
图;情节(DataTimeTable.Time DataTimeTable.UNRATE);标题(“失业率”)ylabel (“百分比”)包含(“日期”)
CPI似乎呈现指数级增长。
稳定的CPI将它转换为一系列的增长率。同步的两个系列通过删除第一个观察失业率系列。
rcpi = price2ret (DataTimeTable.CPIAUCSL);unrate = DataTimeTable.UNRATE(2:结束);
创建一个默认的VAR模型使用简写语法(4)。
Mdl = varm (2、4)
Mdl = varm属性:描述:“二维VAR(4)模式”SeriesNames:“日元”“Y2”NumSeries: 2 P: 4常数:[2×1的向量nan]基于“增大化现实”技术:{2×2的矩阵nan}在滞后(1 2 3…和一个趋势:[2×1的向量0]β:协方差矩阵(2×0]:[2×2的矩阵nan)
Mdl是一个varm模型对象。它是一个模型估计的模板。害怕MATLABi½认为任何南值作为未知参数值估计。例如,常数属性是一个2×1的向量南值。因此,模型常数模型参数估计。
适合的模型数据。
EstMdl =估计(Mdl [rcpi unrate])
EstMdl = varm属性:描述:“AR-Stationary二维VAR(4)模式”SeriesNames:“日元”“Y2”NumSeries: 2 P: 4常数:[0.00171639 - 0.316255]的基于“增大化现实”技术:{2×2矩阵}滞后(1 2 3…和一个趋势:[2×1的向量0]β:协方差矩阵(2×0]:[2×2的矩阵)
EstMdl是一个varm模型对象。EstMdl在结构上一样吗Mdl,但所有参数是已知的。检查估计参数,您可以使用点符号显示它们。
显示第一滞后项系数。
EstMdl.AR {1}
ans =2×20.3090 -0.0032 -4.4834 1.3433
显示一个评估总结包括所有参数,标准错误,p -测试值的零假设系数为0。
总结(EstMdl)
AR-Stationary二维VAR(4)模型有效样本大小:241数量的估计参数:18 LogLikelihood: 811.361 AIC: -1586.72 BIC: -1524年价值StandardError TStatistic PValue ___________ _________________ __________ __________常数(1)0.0017164 0.0015988 1.0735 0.28303常数(2)0.31626 0.091961 3.439 0.0005838基于“增大化现实”技术的{1}(1,1)0.30899 0.063356 4.877 1.0772 e-06 AR{1}(2, 1) -4.4834 3.6441 -1.2303 0.21857基于“增大化现实”技术的{1}(1、2)-0.0031796 0.0011306 -2.8122 0.004921基于“增大化现实”技术的{1}(2,2)1.3433 0.065032 20.656 8.546 e - 95基于“增大化现实”技术的{2}(1,1)0.22433 0.069631 3.2217 0.0012741基于“增大化现实”技术的{2}(2,1)7.1896 4.005 1.7951 0.072631基于“增大化现实”技术的{2}(1、2)0.0012375 0.0018631 0.6642 0.50656基于“增大化现实”技术的{2}(2,2)-0.26817 0.10716 -2.5025 0.012331 AR {3} (1,1) 0.35333 0.068287 5.1742 2.2887 e-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 0.49079 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
