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,εt以历史信息为条件。历史信息包括过去的回应, ,过去的创新, ,如果你把它们包括在模型中,过去和现在的外生协变量, .
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, 显式地取决于 和 和 显式地取决于 和 .隐式, 取决于 和 和 取决于 和 然而,你不能观察 和
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:
通过向后预测生成前样本响应。
将样品创新设置为零。
做不生成样本前的外生数据。一种选择是在数据预处理过程中对每个外生序列进行反向预测,生成一个预样本。