产生或绘制ARMA模型预测误差方差分解(FEVD)
该armafevd
函数返回或地块预测误差方差分解单变量或向量(多元)自回归移动平均(ARMA或VARMA)模型中由系数数组或滞后算子多项式指定的变量。
或者,也可以通过在该表格使用函数从完全指明的(例如,估计)模型对象返回FEVD。
该FEVD提供关于每个创新的影响系统中的所有变量的预测误差方差的相对重要性的信息。与此相反,脉冲响应函数(IRF)迹线的创新冲击一个变量在所述系统中的所有变量的响应的影响。为了估计单变量和多变量ARMA模型的脉冲响应函数,见armairf
。
armafevd
仅当FEVDs不返回输出参数或H
。
如果方法
是“使正交化”
, 然后armafevd
正交化应用创新的Cholesky分解的创新冲击协方差矩阵InnovCov
。正交化创新冲击的协方差是单位矩阵,并且每个变量之和的FEVD为一,即,沿着任何行的总和ÿ
就是其中之一。因此,正交FEVD表示预测误差方差归属于各种冲击在系统中的比例。然而,正交化FEVD通常取决于变量的数量级上。
如果方法
是“广义”
, 然后:
得到的FEVD是不变的变量的顺序。
得到的FEVD不是基于正交变换。
变量的结果FEVD只在某个时刻和为1InnovCov
是对角线[4]。
因此,广义FEVD代表公式明智冲击的预测误差方差的贡献,以在系统中的变量。
如果InnovCov
是对角矩阵,然后将所得的广义正交和FEVDs是相同的。否则,所得的广义正交和FEVDs是相同的,只有当第一可变冲击的所有变量(换句话说,所有其他条件是相同的,这两种方法得到相同的值Y (: 1:)
)。
[1]汉密尔顿,J. D.时间序列分析。普林斯顿:普林斯顿大学出版社,1994。
[2]Lutkepohl, H。脉冲响应函数的渐近分布和向量自回归模型的预测误差方差分解。经济与统计评论。卷。72,1990,第116-125。
[3]Lutkepohl, H。多时间序列分析的新介绍。纽约:施普林格出版社,2007年。
[4]Pesaran,H. H.,和Y信。“线性多变量模型广义脉冲响应分析。”经济上的字母。卷。58,1998年,第17-29。