fevd
生成预测误差方差分解(FEVD)的状态空间模型
语法
描述
的fevd
函数的作用是:返回预测误差方差分解(FEVD)归因于特定组件的状态空间模型的测量变量冲击每个州干扰。FEVD提供了每个州的相对重要性的信息干扰预测误差方差的影响系统中所有测量变量。其他工具来描述指定的动态状态空间模型系统包括以下:
状态空间模型完全指定的
状态空间模型部分指定和置信区间估计
例子
FEVD测量变量
计算model-implied FEVD两个状态方程模型:一个测量误差和测量误差。
没有测量误差模型
显式地创建没有测量误差状态空间模型
(1 = 0;1 0.3);[0.2 B = 0;0 1];C = [1 0;1 1];Mdl1 =舰导弹(A, B, C,<年代pan style="color:#A020F0">“StateType”(2 - 2))
Mdl1 =类型:状态空间模型的地对地导弹状态向量与长度:2观测向量长度:2状态扰动向量长度:2观察创新向量长度:0样本量模型:支持无限的状态变量:x1, x2,…万博1manbetx国家干扰:u1, u2,……观察系列:y1, y2,……观察创新:e1, e2,…状态方程:x1 (t) = x1 (t - 1) + (0.20) u1 (t) x2 (t) = x1 (t - 1) + (0.30) x2 (t - 1) + u2 (t)观测方程:日元(t) = x1 (t) y2 (t) = x1 (t) + x2 (t)初始状态分布:初始状态意味着x1 x2 0 0 x1初始状态协方差矩阵x1 1 e + 7 0 x2 0 1 e + 07状态类型(x1, x2)扩散扩散
Mdl1
是一个舰导弹
模型对象。因为所有参数已知值,指定的对象是完全。
计算20-period FEVD测量的变量。
Decomposition1 = fevd (Mdl1);大小(Decomposition1)
ans =<年代pan class="emphasis">1×320 2 2
分解
是代表20-period 20-by-2-by-2数组FEVD的两个测量变量。显示分解(5、1、2)
。
Decomposition1 (5、1、2)
ans = 0.4429
在这种情况下,44.29%的波动<年代pan class="inlineequation"> 是由于应用于冲击<年代pan class="inlineequation"> 。
情节的FEVD<年代pan class="inlineequation"> 为每个状态扰动。
栏(Decomposition1 (:,:, 2),<年代pan style="color:#A020F0">“堆叠”)包含(<年代pan style="color:#A020F0">“时间”)ylabel (<年代pan style="color:#A020F0">美元的方差分解y_ {2, t} $”,<年代pan style="color:#A020F0">“翻译”,<年代pan style="color:#A020F0">“乳胶”)传说(<年代pan style="color:#A020F0">“u_ {1, t}美元”,<年代pan style="color:#A020F0">“u_ {2, t}美元”,<年代pan style="color:#A020F0">“翻译”,<年代pan style="color:#A020F0">“乳胶”)
因为是免费的状态空间模型的测量误差(<年代pan class="inlineequation"> = 0),每个时期的方差分解总和为1。波动归因于<年代pan class="inlineequation"> 增加与每个时期。
模型与测量误差
显式地创建状态方程模型
D =眼(2);Mdl2 =舰导弹(A, B, C, D,<年代pan style="color:#A020F0">“StateType”(2 - 2))
类型:状态空间模型Mdl2 = ssm状态向量长度:2观测向量长度:2状态扰动向量长度:2观察创新向量长度:2样本大小由模型:无限的状态变量:x1, x2,…万博1manbetx国家干扰:u1, u2,……观察系列:y1, y2,……观察创新:e1, e2,…状态方程:x1 (t) = x1 (t - 1) + (0.20) u1 (t) x2 (t) = x1 (t - 1) + (0.30) x2 (t - 1) + u2 (t)观测方程:日元(t) = x1 (t) + e1 (t) y2 (t) = x1 (t) + x2 (t) + e2 (t)初始状态分布:初始状态意味着x1 x2 0 0 x1初始状态协方差矩阵x1 1 e + 7 0 x2 0 1 e + 07状态类型(x1, x2)扩散扩散
计算20-period FEVD测量的变量。
Decomposition2 = fevd (Mdl2);
情节的FEVD<年代pan class="inlineequation"> 为每个状态扰动。
栏(Decomposition2 (:,:, 2),<年代pan style="color:#A020F0">“堆叠”)包含(<年代pan style="color:#A020F0">“时间”)ylabel (<年代pan style="color:#A020F0">美元的方差分解y_ {2, t} $”,<年代pan style="color:#A020F0">“翻译”,<年代pan style="color:#A020F0">“乳胶”)传说(<年代pan style="color:#A020F0">“u_ {1, t}美元”,<年代pan style="color:#A020F0">“u_ {2, t}美元”,<年代pan style="color:#A020F0">“翻译”,<年代pan style="color:#A020F0">“乳胶”)
因为模型包含测量误差方差比例不总和为1每个时期。
指定数量的时期
显式地创建多变量状态空间模型扩散
(1 = 0;1 0.3);[0.2 B = 0;0 1];C = [1 0;1 1];Mdl = dssm (A, B, C,<年代pan style="color:#A020F0">“StateType”(2 - 2))
Mdl =类型:状态空间模型dssm状态向量长度:2观测向量长度:2状态扰动向量长度:2观察创新向量长度:0样本量模型:支持无限的状态变量:x1, x2,…万博1manbetx国家干扰:u1, u2,……观察系列:y1, y2,……观察创新:e1, e2,…状态方程:x1 (t) = x1 (t - 1) + (0.20) u1 (t) x2 (t) = x1 (t - 1) + (0.30) x2 (t - 1) + u2 (t)观测方程:日元(t) = x1 (t) y2 (t) = x1 (t) + x2 (t)初始状态分布:初始状态意味着x1 x2 0 0 x1初始状态协方差矩阵x1正0 x2 0 x1 Inf状态类型扩散扩散
Mdl
是一个dssm
模型对象。
计算50-period FEVD测量的变量。
分解= fevd (Mdl,<年代pan style="color:#A020F0">“NumPeriods”,50);大小(分解)
ans =<年代pan class="emphasis">1×350 2 2
情节的FEVD<年代pan class="inlineequation"> 为每个状态扰动。
栏(分解(:,:,2),<年代pan style="color:#A020F0">“堆叠”)包含(<年代pan style="color:#A020F0">“时间”)ylabel (<年代pan style="color:#A020F0">美元的方差分解y_ {2, t} $”,<年代pan style="color:#A020F0">“翻译”,<年代pan style="color:#A020F0">“乳胶”)传说(<年代pan style="color:#A020F0">“u_ {1, t}美元”,<年代pan style="color:#A020F0">“u_ {2, t}美元”,<年代pan style="color:#A020F0">“翻译”,<年代pan style="color:#A020F0">“乳胶”)
的贡献<年代pan class="inlineequation"> 的波动<年代pan class="inlineequation"> 接近90%。
FEVD估计模型
从已知的模型,模拟数据符合状态空间模型数据,然后估计FEVD测量的变量。
考虑时间序列分解<年代pan class="inlineequation"> ,在那里<年代pan class="inlineequation"> 是一个随机游走,漂移代表趋势组件,然后呢<年代pan class="inlineequation"> 是代表循环的AR(1)模型组件。
模型的状态空间表示法
在哪里<年代pan class="inlineequation"> 是一个虚拟的状态代表漂移参数,这是1吗<年代pan class="inlineequation"> 。
从真正的模型模拟500年观测。
rng (1);<年代pan style="color:#228B22">%的再现性ADGP = [1 3 0;0 1 0;0 0 0.5];BDGP = [1 0;0 0;0 2];CDGP = (1 0 1);文章=舰导弹(ADGP BDGP CDGP,<年代pan style="color:#A020F0">“StateType”,(2 1 0));y =模拟(文章,500);
假设漂移常数、扰动方差和AR系数是未知的。显式地创建一个模板估计状态空间模型,代表了模型通过替换模型中的未知参数南
。
一个=[1南0;0 1 0;0 0南];B =[南0;0 0;0 NaN);C = CDGP;Mdl =舰导弹(A, B, C,<年代pan style="color:#A020F0">“StateType”,(2 1 0));
模型模板数据。指定一组积极、随机标准高斯开始四个模型参数的值。返回参数的估计模型和向量估计。
[EstMdl, estParams] =估计(Mdl y abs (randn (4,1)),<年代pan style="color:#A020F0">“显示”,<年代pan style="color:#A020F0">“关闭”)
EstMdl =类型:状态空间模型的地对地导弹状态向量与长度:3观测向量长度:1状态扰动向量长度:2观察创新向量长度:0样本量模型:支持无限的状态变量:x1, x2,…万博1manbetx国家干扰:u1, u2,……观察系列:y1, y2,……观察创新:e1, e2,…状态方程:x1 (t) = x1 (t - 1) + (2.91) x2 (t - 1) + (0.92) u1 (t) x2 (t) = x2 (t - 1) x3 (t) = (0.52) x3 (t - 1) + (2.13) u2 (t)观测方程:日元(t) = x1 (t) + x3 (t)初始状态分布:初始状态意味着(x1, x2) x3 0 1 0 x1初始状态协方差矩阵x3 x1 1.00 e + 7 0 0 x2 0 0 0 x3 0 0 6.20类型(x1, x2) x3扩散常数静止状态
estParams =<年代pan class="emphasis">4×12.9115 0.5189 0.9200 2.1278
EstMdl
是一个完全指定的舰导弹
模型对象。模型估计接近真实值。
计算和情节的FEVD测量变量。指定模型模板Mdl
向量的估计参数estParams
。
分解= fevd (Mdl,<年代pan style="color:#A020F0">“参数”,estParams);栏(分解,<年代pan style="color:#A020F0">“堆叠”)包含(<年代pan style="color:#A020F0">“时间”)ylabel (<年代pan style="color:#A020F0">美元的方差分解y_ {t} $”,<年代pan style="color:#A020F0">“翻译”,<年代pan style="color:#A020F0">“乳胶”)传说(<年代pan style="color:#A020F0">“u_ {1, t}美元”,<年代pan style="color:#A020F0">“u_ {2, t}美元”,<年代pan style="color:#A020F0">“翻译”,<年代pan style="color:#A020F0">“乳胶”)
噪声的周期性分量占主导地位的测量变量的波动在低滞后,随着贡献从趋势组件噪声随着延迟的增加。
时变FEVD
从一个状态空间模型时变模拟数据,适合的模型数据,然后估计时变FEVD测量的变量。
考虑时间序列分解<年代pan class="inlineequation"> ,在那里<年代pan class="inlineequation"> 是一个随机游走,漂移代表趋势组件,然后呢<年代pan class="inlineequation"> 是代表周期性AR(1)模型组件。假设周期性分量变化期间26 50-period时间跨度。
这个函数timeVariantTrendCycleParamMap.m
,存储在高钙/ /经济学/主要例子
指定模型结构。高钙
的值是matlabroot
。
类型<年代pan style="color:#A020F0">timeVariantTrendCycleParamMap.m
% 2021年版权MathWorks公司函数[A, B, C, D, Mean0 Cov0, StateType] = timeVariantTrendCycleParamMap (params) %时变参数状态空间模型映射函数的例子。%函数映射向量参数状态方程矩阵(A, B, C, % D)。测量方程是一系列时间分解为趋势和%周期性组件,与结构打破在循环期间% 26。% %组件的趋势是tau_t =漂移+ tau_ {t - 1} + s_1u1_t。% %的周期性组件:% * c_t = phi_1 * c_ {t - 1} + s_2 * u2_t;t = 1到25% * c_t = phi_2 * c_ {t - 1} + s_3 * u2_t;t = 11到26。% % y_t = tau_t + c_t测量方程。A1 = {[1 params (1) 0;0 1 0;0 0 params (2)]}; A2 = {[1 params(1) 0; 0 1 0; 0 0 params(3)]}; varu1 = exp(params(4)); % Positive variance constraints varu21 = exp(params(5)); varu22 = exp(params(6)); B1 = {[sqrt(varu1) 0; 0 0; 0 sqrt(varu21)]}; B2 = {[sqrt(varu1) 0; 0 0; 0 sqrt(varu22)]}; C = [1 0 1]; D = 0; sc = 25; A = [repmat(A1,sc,1); repmat(A2,sc,1)]; B = [repmat(B1,sc,1); repmat(B2,sc,1)]; Mean0 = []; Cov0 = []; StateType = [2 1 0]; end
隐式地创建一个部分指定代表数据生成过程的状态空间模型(文章)。
ParamMap = @timeVariantTrendCycleParamMap;文章=舰导弹(ParamMap);
从文章模拟50观测。因为文章
部分指定,通过真正的参数值吗模拟
通过使用“参数”
名称-值参数。
rng (5)<年代pan style="color:#228B22">%的再现性trueParams =[1 0.5 - -0.2 2 *日志日志(2)(1)2 * 2 *日志(0.5)];<年代pan style="color:#228B22">%转换为参数方差的地图现年50岁的y =模拟(文章<年代pan style="color:#A020F0">“参数”,trueParams);
y
是一个50-by-1向量的模拟测量吗<年代pan class="inlineequation">
从文章。
因为文章
是部分指定,隐式模型对象,它的参数是未知的。因此,它可以作为一个模型估计的模板。
符合模型的模拟数据。指定标准高斯随机初始参数值,和关闭评估显示。返回的参数估计。
[~,estParams] =估计(文章,y, randn (1,6),<年代pan style="color:#A020F0">“显示”,<年代pan style="color:#A020F0">“关闭”)
estParams =<年代pan class="emphasis">1×60.8510 0.0118 0.6309 -0.3227 1.3778 -0.2200
estParams
是一个1-by-6向量的参数估计。输出参数映射函数的参数列表确定估计的顺序。
通过提供估计的FEVD测量变量文章
(不估计模型)和估计的参数使用“参数”
名称-值参数。
分解= fevd(文章,<年代pan style="color:#A020F0">“参数”estParams,<年代pan style="color:#A020F0">“NumPeriods”,50);栏(分解,<年代pan style="color:#A020F0">“堆叠”)包含(<年代pan style="color:#A020F0">“时间”)ylabel (<年代pan style="color:#A020F0">美元的方差分解y_ {t} $”,<年代pan style="color:#A020F0">“翻译”,<年代pan style="color:#A020F0">“乳胶”)传说(<年代pan style="color:#A020F0">“u_ {1, t}美元”,<年代pan style="color:#A020F0">“u_ {2, t}美元”,<年代pan style="color:#A020F0">“翻译”,<年代pan style="color:#A020F0">“乳胶”)
期26 FEVD跳跃,当结构发生破坏。
估计FEVD信心界限
从已知的模型,模拟数据符合状态空间模型数据,然后估计测量变量的FEVD蒙特卡罗置信界限为90%。
考虑时间序列分解<年代pan class="inlineequation"> ,在那里<年代pan class="inlineequation"> 是一个随机游走,漂移代表趋势组件,然后呢<年代pan class="inlineequation"> 是代表循环的AR(1)模型组件。
模型的状态空间表示法
在哪里<年代pan class="inlineequation"> 是一个虚拟的状态代表漂移参数,这是1吗<年代pan class="emphasis">t。
从真正的模型模拟500年观测。
rng (1);<年代pan style="color:#228B22">%的再现性ADGP = [1 3 0;0 1 0;0 0 0.5];BDGP = [1 0;0 0;0 2];CDGP = (1 0 1);文章=舰导弹(ADGP BDGP CDGP,<年代pan style="color:#A020F0">“StateType”,(2 1 0));y =模拟(文章,500);
假设漂移常数、扰动方差和AR系数是未知的。显式地创建一个模板估计状态空间模型,代表了模型通过替换模型中的未知参数南
。
一个=[1南0;0 1 0;0 0南];B =[南0;0 0;0 NaN);C = CDGP;Mdl =舰导弹(A, B, C,<年代pan style="color:#A020F0">“StateType”,(2 1 0));
模型模板数据。指定一组积极、随机标准高斯开始四个模型参数的值,和关闭评估显示。返回参数的估计模型和向量估计和估计的协方差矩阵。
[EstMdl, estParams EstParamCov] =估计(Mdl y abs (randn (4,1)),<年代pan style="color:#A020F0">“显示”,<年代pan style="color:#A020F0">“关闭”);
EstMdl
是一个完全指定的舰导弹
模型对象。模型估计接近真实值。
测量变量的计算FEVD period-wise 90%蒙特卡罗的信心。指定模型模板Mdl
向量的估计参数estParams
,他们估计协方差矩阵EstParamCov
。
(分解、降低上部)= fevd (Mdl,<年代pan style="color:#A020F0">“参数”estParams,<年代pan style="color:#A020F0">“EstParamCov”EstParamCov,<年代pan style="color:#0000FF">…“信心”,0.9);
情节波动的比例<年代pan class="inlineequation"> 归因于<年代pan class="inlineequation"> 与相应的90%置信界限。
情节(分解(:1),<年代pan style="color:#A020F0">“r-o”)举行<年代pan style="color:#A020F0">在情节([低(:1)上(:1)),<年代pan style="color:#A020F0">“这”)举行<年代pan style="color:#A020F0">从包含(<年代pan style="color:#A020F0">“时间”)ylabel (<年代pan style="color:#A020F0">“波动”的比例)标题(<年代pan style="color:#A020F0">“波动归因于u_ {1, t}的美元,<年代pan style="color:#A020F0">“翻译”,<年代pan style="color:#A020F0">“乳胶”)传说(<年代pan style="color:#A020F0">“比例”,<年代pan style="color:#A020F0">“90%置信界限”)
信心范围最初相对紧张,但扩大滞后和波动性增加。
输入参数
Mdl
- - - - - -<年代pan itemprop="purpose">状态空间模型
舰导弹
模型对象|<年代pan itemprop="inputvalue">dssm
模型对象
,状态空间模型作为一个指定舰导弹
模型对象返回的舰导弹
或其估计
函数,或dssm
模型对象返回的dssm
或其估计
函数。
如果Mdl
部分指定的(也就是说,它包含未知参数),指定估计未知参数的使用“参数”
名称-值参数。否则,fevd
一个错误的问题。
fevd
一个错误的问题时Mdl
是一个dimension-varying模型,这是一个时变模型包含至少一个变量变化维度在采样周期(例如,一个状态变量模型)。
提示
如果Mdl
完整说明,你无法估计的信心。估计置信界限:
创建一个部分指定模板状态空间模型的估计
Mdl
。通过使用估计模型
估计
函数和数据。回归估计参数estParams
和估计参数协方差矩阵EstParamCov
。通过模型估计的模板
Mdl
来fevd
,并指定使用的参数估计和协方差矩阵“参数”
和“EstParamCov”
名称-值参数。为
fevd
函数,返回相应的输出参数的上下边界的信心。
名称-值参数
指定可选的双参数作为Name1 = Value1,…,以=家
,在那里的名字
参数名称和吗价值
相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。
R2021a之前,用逗号来分隔每一个名称和值,并附上的名字
在报价。
例子:“NumPeriods”, 10
估算FEVD指定FEVD估算时间1到10。
NumPeriods
- - - - - -<年代pan itemprop="purpose">数量的时间
20.
(默认)|<年代pan itemprop="inputvalue">正整数
数量的时期fevd
计算FEVD,指定为一个正整数。1在FEVD开始时间和结束时间NumPeriods
。
例子:“NumPeriods”, 10
指定包含10 FEVD连续时间点,从时间1和最后时间10。
数据类型:双
参数个数
- - - - - -<年代pan itemprop="purpose">未知参数的估计
数值向量
估计未知参数的状态空间模型部分指定Mdl
,指定为一个数值向量。
如果Mdl
是部分指定(包含未知参数指定的南
,您必须指定参数个数
。的估计
函数返回参数的估计Mdl
在适当的形式。然而,您可以提供定制估计安排的元素参数个数
如下:
如果
Mdl
是一个显式地创建模型(Mdl.ParamMap
是空的[]
),安排的元素参数个数
对应的列的搜索南
状态空间模型的系数矩阵,初始状态平均向量和协方差矩阵。如果
Mdl
是时不变的,订单是什么一个
,B
,C
,D
,Mean0
,Cov0
。如果
Mdl
是随时间变化的,订单是吗一个{1}
通过{结束}
,B {1}
通过B{结束}
,C {1}
通过C{结束}
,D {1}
通过D{结束}
,Mean0
,Cov0
。
如果
Mdl
是一个隐式创建的模式(Mdl.ParamMap
是一个函数处理),第一个输入参数的parameter-to-matrix映射函数确定元素的顺序的参数个数
。
如果Mdl
完整说明,fevd
忽略了参数个数
。
例子:状态空间模型考虑Mdl
与A = B =[南0;0南]
,C = [1;1]
,D = 0
,初始状态意味着与协方差为0眼睛(2)
。Mdl
部分指定显式地创建。因为模型参数包含共有四个南
年代,参数个数
必须是一个4-by-1向量,在哪里参数(1)
是估计的(1)
,参数(2)
是估计的(2,2)
,参数(3)
是估计的B (1,1)
,参数(4)
是估计的B (2, 2)
。
数据类型:双
EstParamCov
- - - - - -<年代pan itemprop="purpose">估计的协方差矩阵未知参数
半正定矩阵数值
估计协方差矩阵未知参数的状态空间模型部分指定Mdl
,指定为半正定矩阵数值。
估计
返回参数协方差矩阵的估计Mdl
在适当的形式。然而,您可以提供定制估计通过设置EstParamCov (
估计协方差的估计参数我
,j
)参数(
和我
)参数(
,无论j
)Mdl
是时不变的或时变。
如果Mdl
完整说明,fevd
忽略了EstParamCov
。
默认情况下,fevd
不估计的信心。
数据类型:双
NumPaths
- - - - - -<年代pan itemprop="purpose">蒙特卡罗抽样数量的路径
1000年
(默认)|<年代pan itemprop="inputvalue">正整数
蒙特卡罗样本路径(试验)来生成估计置信界限),指定为一个正整数。
例子:“NumPaths”, 5000年
数据类型:双
信心
- - - - - -<年代pan itemprop="purpose">置信水平
0.95
(默认)|<年代pan itemprop="inputvalue">在[0,1]数字标量
置信水平的信心,指定为一个数值区间[0,1]中的标量。
对于每一个时期,随机画置信区间覆盖真实的反应100 *信心
%的时间。
默认值是0.95
,这意味着信心边界代表95%的置信区间。
例子:信心= 0.9
指定90%置信区间。
数据类型:双
输出参数
分解
——FEVD
数字数组
FEVD测量的变量yt,返回NumPeriods
——- - - - - -k——- - - - - -n数字数组。
分解(
测量变量的FEVD吗t
,我
,j
)
在期j
,当一个单位冲击应用于state-disturbance变量t
期间1日我
= 1,2,…,t
NumPeriods
,
= 1,2,…,k,我
= 1,2,…,n。j
较低的
——点态低信心FEVD范围
数字数组
点态低信心FEVD测量变量的范围,作为一个返回NumPeriods
——- - - - - -k——- - - - - -n数字数组。
低(
的下限吗t
,我
,j
)100 *信心
%百分比区间上的真正FEVD测量变量
在期j
,当一个单位冲击应用于state-disturbance变量t
期间1。我
上
——点态上信心FEVD范围
数字数组
点态上信心FEVD测量变量的范围,作为一个返回NumPeriods
——- - - - - -k——- - - - - -n数字数组。
上(
上信心绑定绑定对应较低的信心t
,我
,j
)较低的
(
。t
,我
,j
)
更多关于
预测误差方差分解
的预测误差方差分解状态空间模型(FEVD)测量每个测量变量的波动y<年代ub>t由于每个国家的单位脉冲干扰u<年代ub>t在阶段1。FEVD跟踪波动作为每个周期的脉冲传播系统t≥1。FEVD提供了每个州的相对重要性的信息干扰预测误差方差的影响系统中所有测量变量。
考虑到定常状态空间模型在时间t
并考虑单位冲击所有状态扰动ut期间t- - - - - -年代,在那里年代<t。
状态方程表示为的函数ut- - - - - -年代是<年代pan class="inlineequation"> 相应的测量方程
因此,总波动y<年代ub>t从时间,归因于冲击t- - - - - -年代通过t,是
这个结果意味着噪音转换和测量方程有助于预测误差方差。
波动归因于国家干扰juj,t是
地点:
我k(j)是一个k——- - - - - -k选择矩阵一个矩阵的零元素的值1(除外j,j)。
结果,年代一步一步向前预测误差的方差y我,t,由一个单位冲击uj,t,是
如果D是零,一个测量变量的FEVD期吗t总结一个(换句话说,每一行是其中之一)的总和。否则,一个测量变量的FEVD时期t不一定一个总和;剩下的部分是由于DD”。
状态空间模型的FEVD时变,维度不变也是时变的。在这种情况下,fevd
总是适用的单位冲击期间1。对于一个年代今后一段时间将FEVD测量方程
的总波动y<年代ub>年代是
与定常模型一样,年代今后一段时间将波动归因于国家干扰j震惊期间1uj,1是
结果,年代提前预测误差的方差y我,年代,由一个单位冲击uj,1,是
因为时不变和时变FEVDs不包括初始状态分布而言,公式适用于标准和分散状态空间模型。
算法
如果你不提供
EstParamCov
名称-值参数,信心的每个周期重叠。fevd
使用蒙特卡罗模拟计算置信区间。
版本历史
介绍了R2021a
另请参阅
对象
舰导弹
|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">dssm
功能
irf
|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">irfplot
|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">估计
|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">过滤器
|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">光滑的
|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">预测
|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">相关系数
主题
MATLAB命令
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。万博1manbetx
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。