生成或绘制ARMA模型预测误差方差分解(FEVD)
该armafevd
函数返回或绘制预测误差方差分解一元或向量(多元)自回归滑动平均(ARMA或VARMA)模型中由系数数组或滞后算子多项式指定的变量。
或者,可以使用此表中的函数从完全指定(例如,估计)的模型对象返回FEVD。
FEVD提供了每个创新在影响系统中所有变量的预测误差方差方面的相对重要性的信息。相反,脉冲响应函数(IRF)将创新冲击的影响追溯到一个变量对系统中所有变量响应的影响。要估计单变量或多变量ARMA模型的IRF,请参见军备
。
armafevd
仅当FEVDs不返回输出参数或H
。
如果方法
是“正交化”
, 然后armafevd
正交化应用创新的Cholesky分解的创新冲击协方差矩阵因诺夫科夫
。正交化创新冲击的协方差是单位矩阵,并且每个变量之和的FEVD为一,即,沿着任何行的总和ÿ
就是其中之一。因此,正交FEVD表示预测误差方差归属于各种冲击在系统中的比例。然而,正交化FEVD通常取决于变量的数量级上。
如果方法
是“广义”
, 然后:
得到的FEVD对变量的顺序是不变的。
得到的FEVD不是基于正交变换。
一个变量的FEVD只有在因诺夫科夫
是对角线的[4]。
因此,广义FEVD代表公式明智冲击的预测误差方差的贡献,以在系统中的变量。
如果因诺夫科夫
是对角矩阵,然后将所得的广义正交和FEVDs是相同的。否则,所得的广义正交和FEVDs是相同的,只有当第一可变冲击的所有变量(换句话说,所有其他条件是相同的,这两种方法得到相同的值Y(:,1,:)
)。
[一]汉密尔顿,J.D。时间序列分析. 新泽西州普林斯顿:普林斯顿大学出版社,1994年。
[2]脉冲响应函数的渐近分布和向量自回归模型的预测误差方差分解经济学与统计学综述. 1990年第72卷,第116-125页。
[3]Lütkepohl,H.多重时间序列分析新论. 纽约州纽约市:斯普林格·维拉格,2007年。
[4]Pesaran,H. H.,和Y信。“线性多变量模型广义脉冲响应分析。”经济信函。1998年第58卷,第17-29页。