通过向量自回归(VAR)模型来过滤干扰
过滤
推广模拟
。这两个函数都通过一个模型来过滤干扰序列,从而产生响应和创新。然而,而模拟
产生一系列均值为零,单位方差,高斯独立的扰动Z
形式创新E
=L *ž
,过滤
使您能够提供来自任何分布的干扰。
过滤
使用此过程确定时间原点t0包括线性时间趋势的模型。
如果不指定Y0
,然后t0= 0。
否则,过滤
集t0来大小(Y0,1)
- - - - - -Mdl.P
。因此,趋势分量中的时间是t=t0+ 1,t0+ 2,…,t0+numobs
,其中numobs
是有效样本大小(大小(Y,1)
后过滤
去除了缺失值)。这项公约与模型估计的默认行为是一致的,其中估计
删除第一个Mdl.P
响应,减少有效样本量。虽然过滤
显式地使用Mdl.P
presample反应Y0
初始化模型时,总观察次数为Y0
和Y
(排除丢失的值)确定t0。
[1]汉密尔顿,j . D。时间序列分析。普林斯顿,NJ:普林斯顿大学出版社,1994年。
[2]约翰森S.协整向量自回归模型中基于概率的推理。牛津:牛津大学出版社,1995。
[3]Juselius, K。协整VAR模型。牛津:牛津大学出版社,2006年。
[4]Lutkepohl, H。新介绍多时间序列分析。柏林:施普林格出版社,2005年。