条件平均模型估计的前样本数据

Presample数据来自于观测期开始之前的时间点。在Econometrics工具箱™中，您可以指定自己的前样例数据或使用生成的前样例数据。

在条件平均模型中，ε_t以历史信息为条件。历史信息包括过去的回应， $$y_1，y_2，．..，y_{t-1}$$,过去的创新, $${\epsilon }_1，{\epsilon }_2，．..，{\epsilon }_{t-1}$$，如果你把它们包括在模型中，过去和现在的外生协变量， $$x_1，x_2，．..，x_{t-1}，x_t$$．

当前创新所依赖的过去响应和创新的数量取决于AR或MA操作符的程度以及任何差异。例如，在AR(2)模型中，每一项创新都依赖于之前的两个响应，

在ARIMAX模型中，当前的创新还取决于当前值外生协变量(不像分布滞后模型)。例如，在一个带有外生协变量的ARX(2)模型中，每一项创新都依赖于前两个响应和协变量的当前值，

一般来说，前几项创新的可能贡献取决于可能无法观察到的历史信息。你如何在没有所有数据的情况下估计参数?在ARX(2)的例子中， $${\epsilon }_2$$显式地取决于 $$y_1，$$ $$y_0，$$和 $$x_2，$$和 $${\epsilon }_1$$显式地取决于 $$y_0，$$ $$y_{-1}，$$和 $$x_1$$．隐式, $${\epsilon }_2$$取决于 $$x_1$$和 $$x_0，$$和 $${\epsilon }_1$$取决于 $$x_0$$和 $$x_{-1}．$$然而，你不能观察 $$y_0，$$ $$y_{-1}，$$ $$x_0，$$和 $$x_{-1}．$$

初始化模型所需的预样例数据量取决于模型的程度。房地产P一个华宇电脑模型指定初始化条件平均模型的AR部分所需的前样本响应和外生数据的数量。例如,P = 2在ARX(2)模型中。因此，需要两个响应和两个数据点每一个初始化模型的外生协变量序列。

一种选择是使用第一种P来自响应和外生协变量序列的数据作为你的预样本，然后使你的模型适合于其余的数据。这导致了一些样本量的损失。如果您计划比较多个可能的模型，请注意，您只能使用基于可能性的拟合度量(包括似然比检验和信息标准)来比较适合同一数据(具有相同样本量)的模型。如果指定了自己的前样例数据，则必须在希望比较的所有模型中使用所需的最大数量的前样例响应。

房地产问一个华宇电脑模型指定初始化条件平均模型的MA部分所需的样本前创新数。您可以通过将数据分成两部分来获得样本创新。拟合第一部分的模型，并推断创新。然后，使用推断的创新作为预样本创新来估计数据的第二部分。

对于一个既有自回归成分又有移动平均成分的模型，你可以同时指定样本前响应和创新，或者两者都不指定。

默认情况下,估计自动生成样品前响应和创新数据。软件:

另请参阅

华宇电脑|估计

相关的例子

• 估计乘性ARIMA模型

更多关于

• 条件平均模型的最大似然估计
• 具有等式约束的条件平均模型估计
• 条件平均模型估计的初值
• 条件平均模型估计的优化设置