贝叶斯向量自回归模型

采用后验估计和仿真多种先验模型对VARX模型系数和创新协方差矩阵进行了估计

贝叶斯向量自回归(VAR)模型假设所有模型系数(AR系数矩阵、模型常数向量、线性时间趋势向量、外生回归系数矩阵)和创新协方差矩阵的先验概率分布。当与数据结合形成后验分布时，该框架可以产生更灵活的模型和更直观的推论。

为了开始贝叶斯VAR分析，创建一个先验模型对象，它最好地描述了你对系数和创新协方差矩阵联合分布的先验假设。bayesvarm创建具有明尼苏达先验正则化结构的贝叶斯VAR模型。然后，利用先验模型和数据，估计后验分布的特征，从后验分布进行模拟，或使用预测后验分布预测响应。

对象

`normalbvarm`	具有正态共轭先验和固定协方差的贝叶斯向量自回归(VAR)模型
`conjugatebvarm`	数据似然共轭先验贝叶斯向量自回归(VAR)模型
`semiconjugatebvarm`	数据似然半共轭先验贝叶斯向量自回归(VAR)模型
`diffusebvarm`	数据似然扩散先验贝叶斯向量自回归模型
`empiricalbvarm`	基于先验或后验分布的贝叶斯向量自回归(VAR)模型

bayesvarm 创建先验贝叶斯向量自回归(VAR)模型对象

`估计`	估计贝叶斯自回归(VAR)模型参数的后验分布
`总结`	贝叶斯向量自回归(VAR)模型的分布汇总统计量

`simsmooth`	平滑贝叶斯向量自回归(VAR)模型的仿真
`模拟`	模拟贝叶斯向量自回归(VAR)模型的系数，并对其协方差矩阵进行创新

`预测`	预测响应贝叶斯向量自回归(VAR)模型