文档

计量经济学建模

模型选择

概率时间序列模型对于各种各样的分析目标是必要的，包括回归推理、预测和蒙特卡罗模拟。在选择模型时，目标是找到能够充分描述数据的最简洁的模型。一个简单的模型更容易估计、预测和解释。

  • 规范测试帮助您识别一个或多个可以合理地描述数据生成过程的模型族。

  • 模型的比较帮助您比较竞争模型的适合性，并对复杂性进行惩罚。

  • 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，并评估样本外预测性能。

模型选择是一个迭代的过程。当拟合优度检查表明模型假设不满足-或模型的预测性能不令人满意-考虑进行模型调整。额外的规格测试、模型比较和拟合优度检查有助于指导这一过程。

计量经济学的工具箱特性

建模问题 特性 相关功能
响应变量的维数是多少?

  • 该工具箱中的条件均值和方差模型、带有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。

  • 单独的模型可用于多变量、离散时间数据，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。
我的时间序列平稳吗?

  • 可用平稳性检验。如果您的数据不是固定的，请考虑转换数据。平稳性是许多时间序列模型的基础。

  • 或者，如果数据中有单位根的证据，可以考虑使用非平稳ARIMA模型。
我的时间序列有单位根吗?

  • 可以使用单位根测试。支持单位根的证据表明你的数据是差异平稳的。

  • 您可以用单位根对一个序列进行差分，直到它是平稳的，或者使用非平稳ARIMA模型对它进行建模。
我该如何处理季节性影响?

  • 你可以对你的数据进行季节性调整。使用季节过滤器或回归模型来估计季节成分。

  • 季节性ARIMA模型使用季节差异去除季节影响。您还可以包括季节性滞后来建模季节性自相关性(包括加性和乘法性)。
我的数据是否自相关?

  • 样本自相关和部分自相关函数有助于识别自相关。

  • 进行Ljung-Box q检验，共同检验多个滞后点的自相关性。

  • 如果存在自相关，可以考虑使用条件平均模型。

  • 对于具有自相关误差的回归模型，可以考虑使用FGLS或HAC估计器。如果错误模型结构是ARIMA模型，请考虑使用带有ARIMA错误的回归模型。
如果我的数据是异方差的(表现为波动聚类)怎么办?

  • 在残差平方序列中寻找自相关是检测条件异方差的一种方法。

  • 恩格尔的ARCH检验评估了反对独立创新无效的证据，支持ARCH模型的替代方案。

  • 要对条件异方差进行建模，可以考虑使用条件方差模型。

  • 对于表现出异方差误差的回归模型，考虑使用FGLS或HAC估计器。
对于薄峰度数据，是否有一种替代高斯创新分布的方法?

  • 你可以用学生的t分布来模拟比高斯分布更肥的尾部(过量峰度)。

  • 您可以指定t所有条件均值和方差模型的创新分布，以及计量经济学工具箱™中的ARIMA误差模型。

  • 你可以估计自由度t分布以及其他模型参数。
我如何在几个模型之间做出选择?

  • 您可以使用错误规范测试来比较嵌套模型，例如似然比测试、Wald测试或拉格朗日乘数测试。

  • 信息标准，如AIC或BIC，比较模型适合程度，并对复杂性进行惩罚。
是否有两个或更多的时间序列是协整的?

  • johnson和Engle-Granger协整检验评估协整证据。

  • 考虑使用VEC模型建模多变量协整序列。

  • 在回归时间序列时也要考虑协整。如果存在，它会引入虚假的回归效应。
如果我想包含预测变量呢?

  • 在这个工具箱中可以使用ARIMA、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器数据。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怎么办?

  • 在这个工具箱中可以使用带有ARIMA错误的回归模型。

  • 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，这些示例说明了时间序列回归建模中的常见原则和任务，请参阅计量经济学工具箱示例。

  • 有关更多回归选项，请参阅Statistics and Machine Learning Toolbox™文档。
如果对动态过程的观察包括测量误差怎么办?

在这个工具箱中可以使用标准的线性状态空间建模。

相关的例子

更多关于

计量经济学工具箱文档
金宝app

试用MATLAB、Sim金宝appulink和其他产品下载188bet金宝搏

现在开始试用