VAR模型估计
为拟合准备VAR模型
创建多个时间序列数据的模型，确定VAR模型的形式，并将参数与数据进行拟合。当您有一个拟合的模型时，检查该模型是否充分地拟合数据。
要使模型适合数据，您必须具备:
时间序列数据，如多变量时间序列数据
至少一个时间序列模型规范结构，如创建向量自回归(VAR)模型
有几个计量经济学工具箱™功能来帮助这些任务，包括:
估计，适合VARX模型。总结，显示并返回拟合模型的参数估计和其他汇总统计信息。lratiotest和aicbic，这有助于确定模型中应包含的滞后的数量。推断出，用于推断模型残差进行诊断检查。预测，它可以创建预测，可用于检查适合的充分性，如VAR模型预测，模拟和分析
数据拟合模型
估计只对VAR和VARX模型进行参数估计。有关这些术语和其他模型定义的定义，请参见平稳多元时间序列模型的类型．关于将VAR模型与数据拟合的例子，请参见拟合CPI与失业率的VAR模型．
估计是如何工作的
在将模型与数据拟合之前，估计至少需要Mdl．PMdl是一个varm模型对象和P是存储模型度的属性。属性可以指定自己的样本前观察值“Y0”名称-值对的论点。或者,在默认情况下,估计需要第一Mdl．PY不包含任何丢失的值。因此，如果你让估计从输入响应数据中获取必要的前置观察样本Y，则有效样本量减小。
估计找到模型中参数的最大似然估计。具体地说,估计估计相应的参数varm模型属性:常数，基于“增大化现实”技术，趋势，β,协方差．对于VAR模型,估计使用不需要迭代的直接解决算法。对于VARX模型,估计使用期望条件最大化(ECM)算法优化可能性。迭代通常收敛得很快，除非两个或更多外生数据流彼此成比例。在这种情况下，不存在唯一的最大似然估计量，迭代可能不会收敛。属性可以设置最大迭代次数MaxIterations的名称-值对参数估计，默认值为1000．
估计从包含至少一个缺失值的数据中删除整个观察值(南)。有关详细信息，请参见估计．
估计计算数据的对数似然，将其作为拟合模型的输出。使用这个输出来测试模型的质量。例如,请参见选择合适的滞后次序和检验拟合模型的稳定性．
检验拟合模型的稳定性
当您在命令行输入合适模型的名称时，您将获得一个对象摘要。在描述一行总结，varm表明VAR模型是稳定还是平稳的。
另一种确定VAR模型平稳性的方法是使用估计的自回归系数创建一个滞后算子多项式对象(见LagOP)，然后将延迟运算符传递给趋于稳定．例如,假设EstMdl为估计的VAR模型。下面展示了如何使用滞后算子多项式对象来确定模型的稳定性。观察到LagOp需要滞后系数0．
Ar = [{eye(3)} Ar];%包括滞后系数0。Mdl = LagOp (ar);Mdl =反映(Mdl);0 isStable(Mdl)
如果VAR模型是稳定的，那么趋于稳定返回一个布尔值1,0否则。回归组件可以破坏一个稳定的VAR模型。然而，您可以使用这个过程来确定模型中VAR多项式的稳定性。
稳定的模型会产生可靠的结果，而不稳定的模型则不一定。
稳定性和可逆性等价于模小于1的相关滞后算子的所有特征值。事实上,趋于稳定通过计算特征值来计算这些量。有关更多信息，请参见趋于稳定或汉密尔顿[59]．
另请参阅
对象
功能
相关的话题
你也可以从以下列表中选择一个网站:
