结果

向量自回归(VAR)模型转换为矢量纠错(VEC)模型

所有的页面崩溃

语法

VECMdl =结果(Mdl)

描述

VECMdl=结果(Mdl)将VAR (p)模型Mdl其等效VEC (p- 1)模型表示VECMdl。

例子

全部折叠

VAR模型转换为矢量模型

打开生活的脚本

考虑一个VAR(2)以下七个宏观经济模型系列。

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

加载Data_USEconVECModel数据集。

负载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(“国内生产总值”);ylabel (“指数”);包含(“日期”);次要情节(2 2 2)情节(FRED.Time FRED.GDPDEF);标题(“GDP平减指数”);ylabel (“指数”);包含(“日期”);次要情节(2,2,3)情节(FRED.Time FRED.COE);标题(员工的薪酬支付);ylabel (数十亿美元的);包含(“日期”);次要情节(2,2,4)情节(FRED.Time FRED.HOANBS);标题(“非农商业部门小时”);ylabel (“指数”);包含(“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),包含日期、ylabel指数包含一个类型的对象。坐标轴对象2标题GDP平减指数,包含日期、ylabel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,包含日期、ylabel数十亿美元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,包含日期、ylabel指数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(“联邦基金利率”);ylabel (“百分比”);包含(“日期”);次要情节(2 2 2)情节(FRED.Time FRED.PCEC);标题(“消费支出”);ylabel (数十亿美元的);包含(“日期”);次要情节(2,2,3)情节(FRED.Time FRED.GPDI);标题(“国内私人投资总额”);ylabel (数十亿美元的);包含(“日期”);

图包含3轴对象。坐标轴对象1标题联邦基金利率,包含日期、ylabel百分比包含一个类型的对象。坐标轴对象与标题2消费支出,包含日期、ylabel数十亿美元包含一个类型的对象。坐标轴对象3标题私人国内总投资,包含日期、ylabel数十亿美元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 *日志(FRED.HOANBS);弗雷德。PCEC = 100 *日志(FRED.PCEC); FRED.GPDI = 100*log(FRED.GPDI);

创建一个VAR(2)模型使用简写语法。指定变量名。

Mdl = varm (7,2);Mdl。SeriesNames = FRED.Properties.VariableNames;

Mdl是一个varm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 = varm属性:描述:“AR-Stationary 7-Dimensional VAR(2)模式”SeriesNames:“GDP”“GDPDEF”“卓越中心”……和4更NumSeries: 7 P: 2常数:[15.835 9.91375 -14.0917……和4)的基于“增大化现实”技术:{7×7矩阵}滞后(1 2)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varm模型对象。它是完全因为所有参数已知值指定。

估计VAR(2)模型转换为它的等效VEC(1)模型表示。

VECMdl =结果(EstMdl)

VECMdl =结果属性:描述:“7-Dimensional排名= 7 VEC(1)模式”SeriesNames:“GDP”“GDPDEF”“卓越中心”……和4更NumSeries: 7排名:7 P: 2常数:[15.835 9.91375 -14.0917……和4)的调整:[7×7矩阵]协整:(7×7对角矩阵)影响:[7×7矩阵]CointegrationConstant:[7×1的向量nan] CointegrationTrend:[7×1的向量nan]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)

VECMdl是一个结果模型对象。