贝叶斯矢量自动进度模型

使用多种先验模型的VARX模型系数和创新协方差矩阵使用多种先验模型的后验估计和仿真

贝叶斯矢量自动进程（VAR）模型假设所有模型系数（AR系数矩阵，模型恒定矢量，线性时间趋势矢量和外源回归系数矩阵）和创新协方差矩阵的先验概率分布。当与数据结合使用以形成后验分布时，该框架可以导致更灵活的模型和直观的推论。

要启动贝叶斯VAR分析，请创建先前的模型对象，该对象最能描述您对系数和创新协方差矩阵的联合分布的先前假设。贝叶斯创建具有明尼苏达州先验正规化结构的贝叶斯VAR模型。然后，使用先前的模型和数据，估计后验分布的特征，从后验分布模拟或使用预测后验分布进行预测响应。

对象

`正常人`	贝叶斯矢量自动进度（VAR）模型具有正常共轭先验和固定协方差的数据可能性
`conjugatebvarm`	贝叶斯矢量自动进程（VAR）模型具有共轭的数据可能性
`半神经varm`	贝叶斯矢量自动进程（VAR）模型具有半轭的数据可能性
`diffusebvarm`	贝叶斯矢量自动进程（VAR）模型具有扩散的数据可能性
`经验性的`	贝叶斯矢量自动进程（VAR）模型，带有先验或后分布的样品

贝叶斯 创建先前的贝叶斯矢量自动进程（VAR）模型对象

`估计`	估计贝叶斯矢量自动进程（VAR）模型参数的后验分布
`总结`	贝叶斯矢量自动进程（VAR）模型的分布摘要统计数据

`Simsmooth`	贝叶斯矢量自动进程（VAR）模型的模拟更平滑
`模拟`	模拟贝叶斯矢量自动进程（VAR）模型的系数和创新协方差矩阵

`预报`	贝叶斯矢量自动进程（VAR）模型的预测响应