VAR模型估计
准备VAR模型进行拟合
要创建多个时间序列数据的模型,请确定VAR模型形式,并为数据拟合参数。当你有一个拟合模型时,检查模型是否充分拟合数据。
要使模型适合数据,您必须具备:
时间序列数据,如多元时间序列数据
至少一个
varm
为估计配置的模型对象,如中所述向量自回归(VAR)模型创建
有几个计量经济学工具箱™功能,帮助这些任务,包括:
估计
,适合VARX模型。总结
,它显示并返回拟合模型的参数估计值和其他汇总统计信息。lratiotest
而且aicbic
,这可以帮助确定模型中包含的滞后数。推断出
,用于诊断检查的模型残差。预测
,该方法创建的预测可用于检查拟合的充分性,如VAR模型预测、模拟与分析
模型与数据拟合
估计
仅对VAR和VARX模型进行参数估计。有关这些术语的定义和其他模型定义,请参见平稳多元时间序列模型的类型.有关将VAR模型拟合到数据的示例,请参见拟合CPI与失业率的VAR模型.
如何估计
作品
在将模型与数据拟合之前,估计
至少要求
预采样观测以初始化模型,其中Mdl
.PMdl
是一个varm
模型对象和P
是存储模型度的属性。方法指定自己的预样本观察值Y0
或Presample
名称-值参数。或者,默认情况下,估计
删除第一个
来自估计样本的观察结果。因此,如果你让Mdl
.P估计
从输入估计样本数据中提取必要的预样本观测值,则有效样本容量减小。
估计
找到模型中参数的最大似然估计。具体地说,估计
估计与这些相对应的参数varm
模型属性:常数
,基于“增大化现实”技术
,趋势
,β
,协方差
.对于VAR模型,估计
使用不需要迭代的直接求解算法。对于VARX模型,估计
使用期望条件最大化(ECM)算法优化可能性。迭代通常收敛得很快,除非两个或多个外生数据流彼此成比例。在这种情况下,没有唯一的最大似然估计器,迭代可能不会收敛。方法设置最大迭代次数MaxIterations
的名称-值参数估计
,默认值为1000
.
对于数值数组数据输入,估计
从包含至少一个缺失值(南
).对于表格或时间表数据输入,估计
当任何观察缺失时发出错误。详情请参见估计
.
估计
计算数据的对数似然,将其作为拟合模型的输出。在测试模型质量时使用此输出。例如,请参见选择合适的延迟顺序而且检验拟合模型的稳定性.
检验拟合模型的稳定性
当您在命令行中输入拟合模型的名称时,您将获得一个对象摘要。在描述
一行的摘要,varm
表示VAR模型是否稳定或平稳。
另一种确定VAR模型平稳性的方法是使用估计的自回归系数创建一个滞后算子多项式对象LagOP
),然后将延迟运算符传递给趋于稳定
.例如,假设EstMdl
为估计VAR模型。下面展示了如何使用滞后算子多项式对象确定模型的稳定性。观察到LagOp
需要滞后系数0
.
Ar =[{眼睛(3)}Ar];包括滞后0系数。Mdl = LagOp(ar);Mdl =反射(Mdl);%否定所有滞后> 0 isStable(Mdl)
如果VAR模型是稳定的,那么趋于稳定
返回布尔值1
,0
否则。回归成分会使原本稳定的VAR模型不稳定。但是,您可以使用该过程来确定模型中VAR多项式的稳定性。
稳定的模型会产生可靠的结果,而不稳定的模型可能不会。
稳定性和可逆性等价于相关滞后算子的模小于1的所有特征值。事实上,趋于稳定
通过计算特征值来计算这些量。有关更多信息,请参见趋于稳定
或汉密尔顿[93].