通过向量自回归(VAR)模型滤波器的干扰
过滤
推广模拟
。这两个函数通过一个模型来过滤一个干扰序列,从而产生响应和创新。然而,而模拟
产生一系列的均值为零、单位方差、独立的高斯扰动ž
以形式创新Ë
=L *ž
,过滤
使您可以从任何供应分布紊乱。
过滤
使用此过程来确定时间原点Ť0包括线性时间趋势的模型。
如果没有指定Y0
, 然后Ť0= 0。
否则,过滤
套Ť0来大小(Y0,1)
-Mdl.P
。因此,在时间的趋势组成部分Ť=Ť0+ 1,Ť0+ 2,…,Ť0+numobs
,其中numobs
为有效样本量(大小(Y,1)
后过滤
去除了缺失值)。这项公约与模型估计的默认行为是一致的,其中估计
删除第一个Mdl.P
响应,减少有效样本量。虽然过滤
显式地使用第一个Mdl.P
presample反应Y0
初始化模式,观测在总数Y0
和ÿ
(不包括丢失的值)确定Ť0。
[1]汉密尔顿,j . D。时间序列分析。普林斯顿:普林斯顿大学出版社,1994年。
[2]约翰森S.在协整向量自回归模型的可能性为基础的推理。牛津:牛津大学出版社,1995年。
[3]Juselius,K.协整VAR模型。牛津:牛津大学出版社,2006年。
[4]Lutkepohl, H。新介绍多时间序列分析。柏林:施普林格出版社,2005年。