条件平均模型估计的预样本数据

Presample数据来自于观察期开始前的时间点。在计量经济学工具箱™，您可以指定自己的预样本数据或使用生成的预样本数据。

在条件平均模型中，的分布ε_t以历史信息为条件。历史信息包括过去的反应， $$y_1，y_2，.．.，y_{t-1}$$，过去的创新， $${\epsilon }_1，{\epsilon }_2，.．.，{\epsilon }_{t-1}$$，并且，如果你将它们包括在模型中，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运营商的程度，以及任何差异。例如，在AR(2)模型中，每个创新都依赖于前面的两个响应，

在ARIMAX模型中，目前的创新还取决于当前值外生协变量(与分布式滞后模型不同)。例如，在带有一个外生协变量的ARX(2)模型中，每个创新都依赖于前两个响应和协变量的当前值，

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

初始化模型所需的预采样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均值模型的AR部分所需的预采样响应和外生数据的数量。例如,P = 2在ARX(2)模型中。因此，您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。

一个选择是使用第一种方法P来自响应和外生协变量系列的数据作为您的预样本，然后将您的模型拟合到剩余的数据。这将导致样本量的损失。如果您计划比较多个潜在模型，请注意您只能使用基于似然的拟合度量(包括似然比检验和信息标准)来比较适合相同数据(相同样本量)的模型。如果您指定了自己的预采样数据，则必须在您想要比较的所有模型中使用所需的最大数量的预采样响应。

房地产问一个华宇电脑model指定初始化条件平均模型的MA部分所需的预采样创新的数量。您可以通过将数据分成两部分来获得预先的创新。第一部分拟合模型，并推断创新之处。然后，将推断出的创新作为预样本创新来估计第二部分数据。

对于一个同时具有自回归和移动平均分量的模型，你可以同时指定预样本响应和创新，一个或另一个，或者两者都不指定。

默认情况下,估计自动生成预样响应和创新数据。软件:

另请参阅

华宇电脑|估计

相关的例子

• 估计乘法ARIMA模型

更多关于

• 条件平均模型的极大似然估计
• 具有相等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