varm

将矢量误差修正(VEC)模型转换为矢量自回归(VAR)模型

描述

例子

varfdl.= varm(MDL.转换VEC (p- 1)模型MDL.的等值VAR(p)模型表示varfdl.

例子

全部收缩

考虑以下七种宏观经济系列的VEC模型。

  • 国内生产总值(GDP)

  • GDP隐含价格平减指数

  • 雇员已付补偿

  • 所有人的非农业业务时间

  • 有效的联邦基金利率

  • 个人消费支出

  • 国内私人投资总额

假设协整秩为4且一个短期是合适的,即考虑一个VEC(1)模型。

加载Data_USEconVECModel数据集。

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。

确定数据是否需要通过在单独的图上绘制系列来进行预处理。

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”);子图(2,2,2)绘图(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(“雇员的支付赔偿”);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('非农商业部门数量);ylabel ('指数');包含(“日期”);

图;子图(2,2,1)绘图(Fred.time,Fred.FedFunds);标题(“联邦基金利率”);ylabel (“百分比”);包含(“日期”);子图(2,2,2)绘图(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(“私人本地投资总额”);ylabel (数十亿美元的);包含(“日期”);

通过应用对数变换稳定除联邦基金利率外的所有序列。将结果系列按100进行缩放,以便所有系列都在相同的缩放比例上。

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);

使用速记语法创建VEC(1)模型。指定变量名称。

Mdl =结果(7 4 1);Mdl。SeriesNames = FRED.Properties.VariableNames
MDL = VECM具有属性:描述:“7维等级= 4 VEC(1)模型,具有线性时间趋势”系列:“GDP”“GDPDEF”“COE”......和4更多NUMSERIES:7级别:4 P:4 P:2常数:[7×1纳米矢量]调整:[7×4矩阵NAN]结合:[7×4矩阵]影响:[7×7矩阵NANS] CointegrationConstant:[4×1载体的NAN] CointegrationTrend:[4×1载体的NAN] Shortrun:{7×7矩阵NANS}滞后[1]趋势:[7×1载体的NAN] BETA:[7×0矩阵]协方差:[7×7NANS的矩阵]

MDL.是一个vecm.模型对象。所有属性都包含数值对应于给定数据中要估计的参数。

使用整个数据集和默认选项估算模型。

FRED.Variables EstMdl =估计(Mdl)
描述:“7维Rank = 4 VEC(1)模型”系列名称:“GDP”“GDPDEF”“COE”…and 4 more NumSeries: 7 Rank: 4 P: 2 Constant:[14.1329 8.77841 -7.20359…]“调整:[7×4 matrix]协整:[7×4 matrix]影响:[7×7 matrix]协整常数:[-28.6082 109.555 -77.0912…and 1 more]' CointegrationTrend: [4×1 vector of zero] ShortRun: {7×7 matrix} at lag [1] Trend: [7×1 vector of zero] Beta: [7×0 matrix] Covariance: [7×7 matrix]

EstMdl是估计的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价于将等式约束为零。

将估计的VEC(1)模型转换为其等效的VAR(2)模型表示。

VARMdl = varm (EstMdl)
描述:“ar非平稳7维VAR(2)模型”系列名称:“GDP”“GDPDEF”“COE”…and 4 more NumSeries: 7 P: 2 Constant:[14.1329 8.77841 -7.20359…][1 2]趋势:[7×1零向量]Beta: [7×0 matrix]协方差:[7×7 matrix]

varfdl.是一个varm模型对象。

输入参数

全部收缩

VEC模型,指定为vecm.模型对象由vecm.或者估计MDL.必须完全指定。

输出参数

全部收缩

VAR模型等效,返回为avarm模型对象。

算法

考虑这一点-d vec(p- 1)使用滞后算子表示法的模型。

1 l y t c + d t + π. y t 1 + j 1 p 1 φ. j 1 l y t j + β x t + ε. t

  • yt是一个-乘1向量对应的值响应变量在时间t,在那里t= 1,…,T

  • lytyt- 1

  • c是整体常数。

  • d为总时间趋势系数。

  • Π是一个-经过-影响矩阵r

  • xt是一个k-乘1向量对应的值k外源性预测变量。

  • β是一个-经过-k回归系数矩阵。

  • ε.t是一个-1-1矢量随机高斯创新,每个矢量,均为0和集体-经过-Σ协方差矩阵。为t年代ε.tε.年代是独立的。

  • φ.j是一个-经过-短期系数矩阵。

等效var(p)模型的差分方程表示为

y t c + d t + j 1 p γ. j y t j + β x t + ε. t

γ.j是一个-经过-自回归系数矩阵。

另请参阅

对象

功能

介绍了R2017b