主要内容

计量经济模型

选型

概率的时间序列模型对于各种分析目标是必需的，包括回归推理，预测和蒙特卡罗模拟。选择模型时，旨在找到充分描述您的数据的最分析模型。一个简单的模型更易于估计，预测和解释。

  • 规格测试帮助您识别可以合理地描述数据生成过程的一个或多个模型系列。

  • 模型比较帮助您比较竞争模型的契合，以享受复杂性的惩罚。

  • 拟合优度检查可帮助您评估模型的样本内充分性，验证所有模型假设是否成立，以及评估样本外预测性能。

模型选择是一个迭代过程。当拟合优度检验表明模型假设不满足或模型的预测性能不令人满意时，考虑进行模型调整。其他规范测试、模型比较和拟合优度检查有助于指导此过程。

计量经济学工具箱特征

建模问题 特征 相关功能
我的响应变量的维度是多少？

  • 此工具箱中的条件均值和方差模型、带ARIMA误差的回归模型和贝叶斯线性回归模型用于对单变量离散时间数据进行建模。

  • 单独的型号可用于多变量，离散时间数据，例如VAR和VEC模型。

  • 状态空间模型支持单变量或多变量响应变量金宝app。
我的时间序列是固定的吗？

  • 有实用的测试可用。如果您的数据没有静止，请考虑转换数据。实质性是许多时间序列模型的基础。

  • 或者，如果数据中存在单位根的证据，考虑使用非平稳arima模型。
我的时间序列有一个单位根吗？

  • 单位根测试可用。支持单位根的证据表明你的数据是平稳的。

  • 您可以在静止的情况下与单位根提供一个系列，或者使用非间断ARIMA模型进行型号。
我如何处理季节性影响？

  • 您可以临时（季节性调整）您的数据。使用季节性过滤器或回归模型来估算季节性组件。

  • 季节性ARIMA模型使用季节性差异来消除季节性影响。您还可以包括季节性滞后来建模季节性自相关（加法和乘法）。
我的数据是自相关的吗？

  • 样本自相关函数和偏自相关函数有助于识别自相关。

  • 进行Ljung-Box Q-Test，共同测试几个滞后的自相关。

  • 如果存在自相关，请考虑使用条件均值模型。

  • 对于具有自相关误差的回归模型，考虑使用FGLS或HAC估计器。如果误差模型结构是arima模型，考虑使用arima误差的回归模型。
如果我的数据是异源的（呈现波动聚类）怎么办？

  • 寻找平方残留系列中的自相关是一种检测条件异源性的一种方法。

  • 恩格尔的Arch测试评估了针对独立创新的NULL的证据，以支持ARCH模型替代品。

  • 为了模拟条件异源性，考虑使用条件方差模型。

  • 对于具有异方差误差的回归模型，考虑使用FGLS或HAC估计器。
对于轻量级数据，是否有一种替代高斯创新分布的方法？

  • 你可以使用学生的T与高斯分布（多余峰度）相比，用于模拟更厚尾巴的分布。

  • 您可以指定一个T所有条件均值和方差模型的创新分布，以及经济学仪表箱™中的Arima误差模型。

  • 您可以估计自由度T分发以及其他模型参数。
我如何在几种型号之间做出选择？

  • 您可以使用错误指定测试（如似然比测试、瓦尔德测试或拉格朗日乘数测试）来比较嵌套模型。

  • 信息标准（如AIC或BIC）将模型拟合与复杂度惩罚进行比较。
我有两个或更多的时间序列是否共同化？

  • Johansen和Engle-Granger协整检验评估协整的证据。

  • 考虑使用VEC模型来建模多变量，协整序列。

  • 同时考虑回归时间序列的协整性。如果存在，它可能会引入虚假的回归效应。
如果我想包含预测变量呢？

  • 此工具箱中提供了ARIMAX、VARX、带有ARIMA误差的回归模型和贝叶斯线性回归模型。

  • 状态空间模型支持预测仪数据。金宝app
如果我想实现回归，但经典的线性模型假设可能不适用，该怎么办？

  • 使用Arima错误的回归模型可在此工具箱中使用。

  • 使用FGLS或HAC估计器进行稳健回归。

  • 使用贝叶斯线性回归。

  • 有关时间序列回归技术的一系列示例，说明了时间序列回归建模中的共同原理和任务，请参阅“经验”工具箱示例。

  • 有关更多回归选项，请参阅统计信息和计算机学习工具箱™文档。
如果动态过程的观测包括测量误差怎么办？

标准线性状态空间模型在此工具箱可用。

相关实例

更多关于

计量经济学工具箱文件

金宝app

用MATLAB建模金融风险的实用指南

用MATLAB建模金融风险的实用指南

下载电子书