贝叶斯向量自回归(VAR)模型与样本前或后验分布
的贝叶斯VAR模型对象empiricalbvarm
包含样本的分布系数Λ和创新协方差矩阵ΣVAR (pMATLAB)模型®用来描述对应的前或后验分布。
为贝叶斯VAR模型对象有一个棘手的后,估计
函数返回一个empiricalbvarm
对象代表了经验后验分布。然而,如果你有随机吸引的前或后验分布系数和创新协方差矩阵,您可以创建一个贝叶斯VAR模型与实证之前直接利用empiricalbvarm
。
创建一个Mdl
= empiricalbvarm (numseries
,numlags
“CoeffDraws”,CoeffDraws
“SigmaDraws”,SigmaDraws
)numseries
- d贝叶斯VAR (numlags
)模型对象Mdl
以随机样本的前或后验分布
Σ,CoeffDraws
和SigmaDraws
,分别。
numseries
=米,一个正整数指定响应时间序列变量的数量。
numlags
=p,一个非负整数指定AR多项式订单(数量numseries
——- - - - - -numseries
基于“增大化现实”技术的VAR模型中的系数矩阵)。
因为之前semiconjugate模型的后验分布(semiconjugatebvarm
分析棘手,估计
返回一个empiricalbvarm
对象描述后验和包含吉布斯采样器从完整的条件。
总结 |
汇总统计分布的贝叶斯向量自回归(VAR)模型 |