vec2var
将VEC模型转换为VAR模型
描述
计量经济学工具箱™VAR模型功能如模拟
,预测
,armairf
适合于向量自回归模型.模拟、预测或产生脉冲反应矢量误差修正(VEC)模型使用模拟
,预测
,或armairf
,分别将VEC模型转换为其等效的VAR模型表示。
例子
使用单元格阵列将VEC模型转换为VAR模型
考虑将下面的VEC(2)模型转换为VAR(3)模型。
指定系数矩阵( 而且 ) 而且 为误差修正系数 .
B1 = [-0.14 0.12 -0.05;-0.14 -0.07 -0.10;-0.07 -0.16 -0.07];B2 = [-0.14 0.12 -0.05;-0.14 -0.07 -0.10;-0.07 -0.16 -0.07];C = [-0.32 0.74 -0.38;1.97 -0.61 0.44;- 2.19 -1.15 2.65];
将矩阵打包到二维单元向量的独立单元中。把B1
进入第一个单元格B2
进入第二个单元格。
Vec = {b1 b2};
计算等效VAR(3)模型的系数矩阵。
VAR = vec2var(VEC,C);大小(VAR)
ans =1×21 3
输入参数的单元格矩阵数组的规范表明VEC(2)模型是简化形式的,并且VEC {1}
的系数
.后续元素对应后续滞后。
VAR
是一个3 × 3系数矩阵的1 × 3单元向量,用于等效于VEC(2)模型的VAR(3)。由于VEC(2)模型是简化形式,等效的VAR(3)模型也是。也就是说,VAR {1}
的系数
,后续元素对应后续滞后。的定位VAR
对应的方向VEC
.
显示VAR(3)模型系数。
A1 = var {1}
A1 =3×30.5400 0.8600 -0.4300 1.8300 0.3200 0.3400 -2.2600 -1.3100 3.5800
A2 = var {2}
A2 =3×30 0 0 0 0 0 0
A3 = var {3}
A3 =3×30.1400 -0.1200 0.0500 0.1400 0.0700 0.1000 0.0700 0.1600 0.0700
由于模型之间的常数偏移量是等效的,因此得到的VAR(3)模型为
利用滞后算子多项式将结构VEC模型转换为VAR模型
考虑将下面的结构VEC(1)模型转换为结构VAR(2)模型。
指定系数矩阵 而且 为误差修正系数 .
B0 = [0.54 -2.26;1.83 - 0.86);B1 = [-0.07 -0.07 0.01 0.02];C = [-0.15 1.9;-3.15 - -0.54);
将矩阵打包到三维单元向量的独立单元中。把B0
进入第一个单元格B1
进入第二个单元格。对所有非零差分滞后项对应的系数求负数。
VECCoeff = {B0;b1};
在VEC(2)模型中创建一个包含自回归项的滞后算子多项式。
LagOp(VECCoeff)
VEC = 2- d滞后算子多项式:-----------------------------系数:[2个非零系数的滞后索引单元阵列]滞后:[0 1]度:1维数:2
VEC
是一个LagOp
滞后算子多项式,并在此方程中指定了自回归滞后算子多项式
是滞后运算符。如果你展开这个量,解出 ,则得到差分方程表示的VAR(2)模型。
计算等效VAR(2)模型的系数矩阵。
VAR = vec2var(VEC,C)
VAR = 2- d滞后算子多项式:-----------------------------系数:[3个非零系数的滞后索引单元阵列]滞后:[0 1 2]度:2维:2
矢量。Coefficients{0}
是
的系数矩阵
.的后续元素VAR.Coefficients
与随后的滞后相对应矢量。滞后
.
VAR
是与VEC(1)模型等价的VAR(2)。由于VEC(1)模型是结构性的,等效的VAR(2)也是结构性的。也就是说,VAR.Coefficients {0}
的系数
,随后的元素对应于随后的滞后VAR.Lags
.
用差分方程符号显示VAR(2)模型系数。
A0 = var,系数{0}
A0 =2×20.5400 -2.2600 1.8300 0.8600
A1 = -var。Coefficients{1}
A1 =2×20.3200 -0.4300 -1.3100 0.3400
A2 = -var。Coefficients{2}
A2 =2×20.0700 0.0700 -0.0100 -0.0200
得到的VAR(3)模型为
或者,反映滞后运算符多项式VAR
在滞后0附近得到差分方程符号系数。
DiffEqnCoeffs =反映(VAR);A = toCellArray(DiffEqnCoeffs);A{1} == a0
ans =2x2逻辑阵列1 1 1 1
A{2} == a1
ans =2x2逻辑阵列1 1 1 1
A{3} == a2
ans =2x2逻辑阵列1 1 1 1
两种方法产生的系数相同。
将结构VEC模型转换为VMA模型
近似表示结构VEC(8)模型的结构VMA模型的系数
在哪里 , ,和,对于j= 1,2,3, .
创建包含VEC(8)模型系数矩阵的单元格向量。从的系数开始 ,然后按滞后顺序输入其余的。构造一个向量,表示对应系数的滞后项的程度。
Vec0 = {[1 0.2 -0.1;0.03 1 -0.15;0.9 -0.25 1],...[0.5 -0.2 -0.1;-0.1 0.1;0.4 -0.2 -0.05],...[0.05 -0.02 -0.01;-0.1 -0.01 -0.001;0.04 -0.02 -0.005]};vec0lag = [0 4 8];C = [-0.02 0.03 0.3;0.05 0.1 0.01;0.3 0.01 0.01];
vec2var
需要一个LagOp
滞后算子多项式的输入参数,包括一个结构VEC(8)模型。构造一个LagOp
滞后算子多项式,描述VEC(8)模型自回归系数矩阵分量(即
以及它的滞后)。
VECLag = LagOp(VEC0,“滞后”, vec0Lags);
VECLag
是一个LagOp
滞后算子多项式,描述VEC(8)模型的自回归分量。
计算等效于VEC(8)模型的VAR(9)模型的系数。
VAR = vec2var(VECLag,C)
VAR = 3- d滞后算子多项式:-----------------------------系数:[6个非零系数的滞后索引单元阵列]滞后:[0 1 4 5 8 9]度:9维度:3
VAR
是一个LagOp
滞后算子多项式。除了对应滞后0、1、4、5、8和9的系数外,所有系数都是由0组成的3 × 3矩阵。里面的系数VAR
包含一个稳定的、结构的VAR(9)模型,等价于原始的VEC(8)模型。由于模型的误差修正系数是满秩的,因此模型是稳定的。
计算VMA模型近似于结果VAR(9)模型的系数。集numLags
最多延迟12次返回。
numlag = 12;VMA = arma2ma(VAR,[], numlag);
影响规律
是一个LagOp
滞后算子多项式,其中包含所得到的VMA(12)模型的系数矩阵影响规律。Coefficients
.影响{0}
的系数
,影响{1}
的系数
等等。
输入参数
VEC
- - - - - -VEC (问)不同响应的模型系数
数值向量|方形数字矩阵的单元向量|LagOp
滞后算子多项式对象
VEC (问)不同响应的模型系数,指定为数值向量,的单元向量n——- - - - - -n数字矩阵,或者aLagOp
滞后算子多项式对象。
对于数值向量规范:
VEC (问)为单变量时间序列。
VEC
必须是一个长度问数值向量。VEC (j)
包含标量Bj,滞后差系数Δyt- - - - - -j.的系数Δyt(B0)是
1
.
对于单元格向量规范:
VEC
一定要有长度问,每个单元格包含一个n——- - - - - -n数值矩阵(n> 1)。VEC {
j
}
必须包含Bj,滞后项的系数矩阵Δyt- - - - - -j.vec2var
假设的系数Δyt(B0)是n——- - - - - -n的身份。
对于一个
LagOp
滞后算子多项式规范:矢量。学位
必须问.矢量。Coefficients{0}
是B0,的系数Δyt.所有其他元素对应于后面滞后的、不同的项的系数。例如,矢量。Coefficients{
j
}
的系数矩阵是Δyt- - - - - -j.矢量。滞后
存储所有非零滞后。要构造简化形式的模型,请设置
矢量。Coefficients{0}
来眼睛(VEC.Dimension)
.
例如,考虑转换
到VAR(3)模型。模型在差分方程的符号.您可以通过输入来转换模型
VAR = vec2var({[0.1 0.2;1 0.1),...- - - - - - [-0.1 - 0.01;0.2 -0.3]},[0.5 0;-0.1 - 1]);
滞后响应的AR系数矩阵与差分方程符号中的相应系数相比为负。得到相同的结果LagOP
滞后算子多项式,输入
VEC = LagOp({eye(2), -[0.1 0.2;1 0.1], -[-0.1 0.01;0.2 - -0.3]});C = [0.5 0;-0.1 - 1];VAR = vec2var(VEC,C);
C
- - - - - -纠错系数
数字矩阵
误差修正系数,表示为n——- - - - - -n数字矩阵。n为VEC模型中的时间序列数。的维度C
矩阵组合VEC
必须是等价的。
数据类型:双
输出参数
更多关于
差分方程的符号
延迟运算符符号
VAR (p)模型
一个VAR模型(p)是一个多元自回归时间序列模型,其一般形式为:
yt是一个n-维时间序列。
一个0是n——- - - - - -n可逆结构系数矩阵。中的模型简化型,一个0=我n,即n-维单位矩阵。
一个是一个n常量偏移量的-维向量。
一个j是n——- - - - - -n系数矩阵yt-j,j= 1,…,p.
εt是一个n-维度创新系列。创新创新序列不相关,且具有均值为0和的多元正态分布n——- - - - - -n协方差矩阵Σ.
VEC (问)模型
一个VEC (q)模型是一个多元自回归时间序列模型,其一般形式为:
yt是一个n-维时间序列。
Δ是第一个差分算子,也就是说,Δyt=yt- - - - - -yt1.
B0是n——- - - - - -n可逆结构系数矩阵。中的模型简化型,B0=我n,即n-维单位矩阵。
b是一个n常量偏移量的-维向量。
Bj是n——- - - - - -n系数矩阵Δyt-j,j= 1,…,问.
εt是一个n-维度创新系列。创新创新序列不相关,且具有均值为0和的多元正态分布n——- - - - - -n协方差矩阵Σ.
C是n——- - - - - -n误差修正或冲击系数矩阵。
提示
算法
参考文献
[1] j.d.汉密尔顿时间序列分析.普林斯顿,新泽西州:普林斯顿大学出版社,1994。
[2] Lutkepohl, H。多重时间序列分析新导论斯普林格出版社,2007年版。
版本历史
在R2015b中引入
另请参阅
对象
功能
Abrir比如
Tiene una versión modificada de este ejemplo。¿Desea abrir este ejemplo con sus modificaciones?
MATLAB突击队
Ha hecho clic en unenlace que对应一个este commando de MATLAB:
弹射突击队introduciéndolo en la ventana de commandos de MATLAB。Los navegadores web no permission comandos de MATLAB。
您也可以从以下列表中选择一个网站:
如何获得最佳的网站性能
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。