向量自回归(VAR)模型
一个向量自回归(VAR)模型多元时间序列模型是否包含一个系统n方程n不同的,平稳的响应变量作为滞后响应和其他术语的线性函数。VAR模型也有其程度的特征p;VAR中的每个方程(p)模型包含p系统中所有变量的滞后。
VAR模型属于一类多元线性时间序列模型向量自回归移动平均(VARMA)模型.虽然计量经济学工具箱™提供功能,以进行全面的VAR分析(p)模型(从模型估计到预测和模拟),工具箱对VARMA类中的其他模型提供有限的支持。金宝app
一般来说,多元线性时间序列模型非常适合于:
同时模拟几个平稳时间序列的运动。
测量系统响应变量之间的延迟效应。
测量外生级数对系统中变量的影响。例如,确定最近征收的关税是否显著影响几个计量经济学系列。
同时生成响应变量的预测。
平稳多元时间序列模型的类型
本表包含多元线性时间序列模型的形式,并描述了计量经济学工具箱中支持的功能。金宝app
模型 | 缩写 | 方程 | 金宝app支持的功能 |
---|---|---|---|
向量自回归 | VAR (p) |
|
|
具有线性时间趋势的向量自回归 | VAR (p) |
|
|
带外源序列的向量自回归 | VARX (p) |
|
|
矢量移动平均 | 的影响(问) |
|
|
向量自回归移动平均 | VARMA (p,问) |
|
|
结构向量自回归移动平均 | SVARMA (p,问) |
|
与VARM金宝appA模型相同的支持 |
方程中出现以下变量:
yt是n-by-1的不同响应时间序列变量的向量t.
c是一个n-by-1矢量的常数偏移在每个方程中。
Φj是一个n——- - - - - -n矩阵,其中j= 1,…,p和Φp不是一个只包含0的矩阵。
xt是一个米-by-1向量的值对应于米外生变量或预测因素。除了滞后响应外,外生变量是系统的未建模输入。每个外生变量默认出现在所有响应方程中。
β是一个n——- - - - - -米回归系数矩阵。行j包含响应变量方程中的系数j,和列k包含外生变量的系数k在所有方程中。
δ是一个n线性时间趋势值的-by-1向量。
εt是一个n-by-1的随机高斯变换向量,每个均值为0,加起来为n——- - - - - -n协方差矩阵Σ。为t≠年代,εt而且ε年代是独立的。
Θk是一个n——- - - - - -nMA系数矩阵,其中k= 1,…,问和Θ问不是一个只包含0的矩阵。
Φ0和Θ0分别为AR和MA结构系数。
一般来说,时间序列yt而且xt是可观察的,因为你有代表这个级数的数据。的价值c,δ,β,自回归矩阵Φj并不总是为人所知。您通常希望这些参数适合您的数据。看到估计
对于估计未知参数的方法或如何保持其中一些固定的值(设置等式约束)。创新εt在数据中无法观察到,但在模拟中可以观察到。
滞后运算符表示
在上表中,模型用差分方程表示。滞后运算符符号是多元线性时间序列方程的等价和更简洁的表示。
滞后算子l将时间指数降低一个单位:lyt=yt1.操作员lj将时间索引减少为j单位:ljyt=yt- - - - - -j.
在滞后算符形式下,SVARMAX(p,问)模型为:
方程可以更简洁地表示为:
在哪里
而且
稳定和可逆模型
多元AR多项式是稳定的如果
当所有创新都等于零时,这个条件意味着VAR过程收敛于c作为t趋于无穷(有关更多细节,请参见[1]第二章)。
多元MA多项式是可逆的如果
这个条件意味着VMA过程的纯VAR表示是稳定的(有关更多细节,请参阅[1]第11章)。
如果VARMA模型的AR多项式是稳定的,那么它就是稳定的。类似地,如果一个VARMA模型的MA多项式是可逆的,那么它就是可逆的。
带有外生输入的模型(例如VARMAX模型)没有明确定义的稳定性或可逆性概念。外生输入会使模型不稳定。
带回归分量的模型
通过在多元线性时间序列模型中包含回归组件,合并来自外生预测因子的反馈,或研究它们与响应序列的线性关联。以下是使用此类模型的应用程序的示例,按复杂性增加的顺序:
模拟干预的效果,这意味着外生序列是一个指标变量。
建模外源序列子集与每个响应之间的同期线性关联。应用包括CAPM分析和研究商品价格对需求的影响。这些应用程序是看似无关回归(SUR)的例子。详情请参见实现看似不相关的回归而且利用SUR估计资本资产定价模型.
建模同期和滞后的外生序列和响应之间的线性关联,作为分布式滞后模型的一部分。应用包括确定货币增长的变化如何影响实际国内生产总值(GDP)和国民总收入(GNI)。
SUR和包括响应滞后效应的分布式滞后模型的任何组合,也称为联立方程模型。
VARX的一般方程(p)模型是
在哪里
xt是一个米-by-1向量的观测值米时间上的外生变量t.向量xt可包含滞后外生系列。
β是一个n——- - - - - -米回归系数向量。行j的β包含响应级数方程中的回归系数j对于所有外生变量。列k的β包含外生变量响应级数方程之间的回归系数k.该图显示了一个扩展回归组件的系统:
VAR模型工作流程
本工作流程描述了如何使用计量经济学工具箱VAR模型功能分析多元时间序列。如果您认为响应序列是协整的,请使用VEC模型功能(参见结果
).
加载、预处理和划分数据集。详情请参见多元时间序列数据格式.
创建一个
varm
描述VAR模型的model对象。一个varm
模型对象是MATLAB®包含描述模型属性的变量,如AR多项式度p,响应维度n,和系数值。varm
一定要能推断n而且p从您的规格;n而且p都是不可估量的。您可以在创建VAR模型后更新AR多项式的滞后结构,但不能更改n.varm
允许您创建这些类型的模型:充分的说明了所有参数,包括系数和创新协方差矩阵,都是数值的模型。当经济理论指定了模型中所有参数的值,或者你想对参数设置进行实验时,可以创建这种类型的模型。在创建一个完全指定的模型之后,您可以将模型传递给所有人对象的功能除了
估计
.模型模板在这n而且p都是已知值,但所有系数和创新协方差矩阵都是未知的、可估计的参数。可估计参数对应的性质由
南
值。将模型模板和数据传递给估计
以获得估计的(完全指定的)VAR模型。然后,您可以将估计的模型传递给任何其他对象函数。部分指定模型模板,其中一些参数是已知的,而另一些参数是未知的和可估计的。如果将部分指定的模型和数据传递给
估计
, MATLAB在优化过程中将已知参数值作为等式约束,对未知值进行估计。部分指定的模型非常适合执行以下任务:通过将系数设置为零来消除模型中的滞后。
通过将响应方程中不希望出现的预测因子的回归系数设置为零,将预测因子子集与响应变量关联起来。
详情请参见创建VAR模型.
通过迭代步骤2和步骤3找到合适的AR多项式度。看到选择合适的延迟顺序.
分析拟合模型。这一步包括:
您的应用程序不必涉及此工作流中的所有步骤,并且您可以迭代其中的一些步骤。例如,您可能没有任何数据,但希望模拟来自完全指定模型的响应。
参考文献
[1]Lutkepohl, H。多重时间序列分析新导论.柏林:施普林格,2005。