文档帮助中心
显示矢量误差修正(VEC)模型的估计结果
总结(Mdl)
结果总结=(MDL)
例子
总结(MDL)显示VEC的摘要(p- 1)模型MDL。
总结(MDL)
MDL
如果MDL是估计VEC模型由归国估计,然后总结打印估计结果到MATLAB®命令窗口。显示包括一个估计摘要和一个带有相应标准误差的参数估计表,t统计和p- 值。估计摘要包括拟合统计,如赤池信息量准则(AIC),以及所估计的协方差的创新和相关矩阵。
估计
总结
如果MDL是一种不可估量的VEC模型由归国VECM,然后总结打印标准对象显示(与VECM在模型创建期间打印)。
VECM
结果=总结(MDL)返回以下变量之一,并不能打印到命令窗口。
结果=总结(MDL)
结果
如果MDL是估计的VEC模型,然后结果是含有估计结果的结构。
如果MDL是不可估量的VEC模型,然后结果是一个VECM模型对象,它是等于MDL。
全部收缩
考虑以下七个宏观经济系列的VEC模型,然后将该模型与数据进行匹配。
国内生产总值(GDP)
国内生产总值隐含价格平减指数
雇员已付薪酬
所有人员的非农业部门工作时间
有效联邦基金利率
个人消费支出
私人本地投资总额
假设4和一个短期项的协整秩是适当的,也就是说,考虑一个VEC(1)模型。
加载Data_USEconVECModel数据集。
Data_USEconVECModel
负载Data_USEconVECModel
有关数据集和变量的更多信息,请输入描述在命令行。
描述
通过在单独的图上绘制系列来确定是否需要对数据进行预处理。
图;次要情节(2、2、1)情节(FRED.Time FRED.GDP);标题('国内生产总值');ylabel ('指数');包含(“日期”);副区(2,2,2)情节(FRED.Time,FRED.GDPDEF);标题('GDP平减指数');ylabel ('指数');包含(“日期”);次要情节(2,2,3)情节(FRED.Time FRED.COE);标题(“支付的雇员报酬”);ylabel (数十亿美元的);包含(“日期”);次要情节(2,2,4)情节(FRED.Time FRED.HOANBS);标题(“非农商业领域时间”);ylabel ('指数');包含(“日期”);
图;副区(2,2,1)情节(FRED.Time,FRED.FEDFUNDS);标题(“联邦基金利率”);ylabel (“百分比”);包含(“日期”);副区(2,2,2)情节(FRED.Time,FRED.PCEC);标题(“消费支出”);ylabel (数十亿美元的);包含(“日期”);次要情节(2,2,3)情节(FRED.Time FRED.GPDI);标题(“总国内私人投资”);ylabel (数十亿美元的);包含(“日期”);
通过应用log变换来稳定除联邦基金利率外的所有序列。将得到的级数缩放100,这样所有的级数都在相同的刻度上。
弗雷德。国内生产总值= 100 *日志(FRED.GDP);弗雷德。GDPDEF = 100 *日志(FRED.GDPDEF);弗雷德。COE = 100 *日志(FRED.COE);弗雷德。HOANBS = 100 *日志(FRED.HOANBS);弗雷德。PCEC = 100 *日志(FRED.PCEC); FRED.GPDI = 100*log(FRED.GPDI);
创建使用速记语法VEC(1)模型。指定变量名。
Mdl =结果(7 4 1);Mdl。SeriesNames = FRED.Properties.VariableNames
MDL = VECM具有属性:说明: “7维评级= 4 VEC(1)用线性时间趋势模型” SeriesNames: “GDP” “GDPDEF” “COE” ...和4个NumSeries:7等级:4 P:2常数:调整[7×1的NaN矢量]:协整[7×4的NaN矩阵]:影响[7×4的NaN矩阵]:CointegrationConstant [7×7的NaN矩阵]:[4×1的NaN矢量] CointegrationTrend:[4×1个的向量的NaN] ShortRun的:{7×7的NaN矩阵}在延迟[1]趋势:的NaN]贝塔[7×1的向量:[7×0矩阵]协方差:[7×7的NaN矩阵]
MDL是一个VECM模型对象。包含所有属性南值对应于要估计的给定数据的参数。
南
估计使用整个数据集和默认选项的模型。
FRED.Variables EstMdl =估计(Mdl)
EstMdl = VECM具有属性:说明: “7维评级= 4 VEC(1)模型” SeriesNames: “GDP” “GDPDEF” “COE” ...和4个NumSeries:7等级:4 P:2常数:[14.1329 8.77841 -7.20359 ...和4更]”调整:[7×4矩阵]协整:[7×4矩阵]影响:[7×7矩阵] CointegrationConstant:-28.6082 109.555 -77.0912 ...还有1个]” CointegrationTrend:[4×1个零的矢量] ShortRun:{7×7矩阵}在延迟[1]趋势:[零的7×1的向量]贝塔:[7×0矩阵]协方差:[7×7矩阵]
EstMdl是估计VECM模型对象。它是完全指定的,因为所有参数都有已知的值。默认情况下,估计通过从模型中去除协整趋势和线性趋势项,施加H1 Johansen VEC模型形式的约束。从估计中排除参数等同于将等式约束设置为零。
EstMdl
显示从所述估计的简短摘要。
结果总结=(EstMdl)
结果=同场的结构:描述: “7维评级= 4 VEC(1)模型” 型号: “H1” 的采样大小:238个NumEstimatedParameters:112对数似然:-1.4939e + 03 AIC:3.2118e + 03 BIC:3.6007e + 03表:[表133x4]协方差:[7×7的双]相关:[7×7的双]
的表领域的结果是参数估计值和相应的统计信息表。
表
考虑模型和数据估计VEC模型这四个VEC模型分别是:VEC(0)、VEC(1)、VEC(3)和VEC(7)。使用历史数据,估计这四个模型中的每一个,然后使用得到的贝叶斯信息准则(BIC)比较模型的适用性。
加载Data_USEconVECModel数据集和预处理数据。
负载Data_USEconVECModel弗雷德。国内生产总值= 100 *日志(FRED.GDP);弗雷德。GDPDEF = 100 *日志(FRED.GDPDEF);弗雷德。COE = 100 *日志(FRED.COE);弗雷德。HOANBS = 100 *日志(FRED.HOANBS);弗雷德。PCEC = 100 *日志(FRED.PCEC); FRED.GPDI = 100*log(FRED.GPDI);
在一个循环:
使用简化语法创建VEC模型。
估计VEC模型。保留的最大值p作为样品前观察。
存储估计结果。
num= [0 1 3 7];p = num+ 1;弗雷德Y0 = {1: max (p):};Y = FRED{((max(p) + 1):end),:};为J = 1:numel(P)MDL = VECM(7,4,numlags(J));EstMdl =估计(MDL,Y,“Y0”,Y);结果(j) =总结(EstMdl);结束
结果是包含各模型的估算结果的4×1结构阵列。
提取各组结果的BIC。
BIC = [results.BIC]
BIC =1×4103.×5.3948 5.4372 5.8254 6.5536
对应于最低BIC的模型已考虑了模型之间的最佳匹配。因此,VEC(0)模型是最好的拟合模型。
VEC模型,指定为aVECM模型对象通过返回估计要么VECM。
模型摘要,以结构数组或VECM模型对象。
如果MDL是估计的VEC模型,然后结果是包含该表中的字段的结构阵列。
模型
“H2”
“H1 *”
“标题”
“H *”
“H”
采样大小
NumEstimatedParameters
数似然
AIC
BIC
协方差
Mdl.NumSeries
Y
相关
总结使用mvregress实行多元正态分布,最大似然估计。有关估计和标准错误的详细信息,请参阅多变量回归模型的估计(统计和机器学习工具箱)。
mvregress
[1]约翰森S.协整向量自回归模型中基于概率的推理。牛津:牛津大学出版社,1995年。
这个例子的修改版本的系统上存在。你要打开这个版本呢?
你点击了一个链接,对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入该命令来运行它。Web浏览器不支持MATLAB命令。万博1manbetx
选择一个网站来获取可用的翻译内容,并查看本地事件和报价。根据你的位置,我们建议你选择:。
您还可以选择从下面的列表中的网站:
选择中国网站(中文或英文),以获得最佳的网站表现。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
请联系您当地的办事处