若要创建多个时间序列数据的模型,请确定VAR模型形式,并将参数适合于该数据。当你有一个合适的模型时,检查这个模型是否适合数据。
要使模型符合数据,你必须:
时间序列数据,如中所述多元时间序列数据
至少一个时间序列模型规范结构,如描述向量自回归(VAR)模型创建
有几个Econometrics Toolbox函数可以帮助完成这些任务,包括:
估计
适用于VARX型号。
总结
,它显示并返回来自拟合模型的参数估计和其他汇总统计信息。
lratiotest
和aicbic
,它可以帮助确定滞后的数量在模型中包括。
推断
,这推断用于诊断检查模型残差。
预测
,该方法创建的预测可用于检查拟合的充分性,如VAR模型的预测、模拟和分析
估计
仅对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,请参见平稳多变量时间序列模型的类型。有关使VAR模型适合于数据的示例,请参见拟合CPI与失业率的VAR模型。
在将模型与数据进行拟合之前,估计
至少需要
预采样观察值初始化模型,其中Mdl
。PMdl
是一个varm
模型对象和P
是存储模型度的属性。您可以使用“Y0”
名称-值对的论点。或者,在默认情况下,估计
需要第一
从估计样本观测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得必要的预先充分的观察Y
,则有效样本量减小。
估计
找出模型中参数的最大似然估计。具体地说,估计
估计与这些相对应的参数varm
模特属性:不变
,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,除非两个或多个外生数据流彼此成比例。在这种情况下,没有唯一的最大似然估计,迭代可能不收敛。方法可以设置迭代的最大次数MaxIterations
的名-值对参数估计
,其具有一个默认值1000
。
估计
从至少包含一个缺失值的数据中删除整个观察值(南
)。有关详细信息,请参阅估计
。
估计
计算数据的对数似然,赋予其作为拟合模型的输出。在测试模型的质量,请使用此输出。例如,看选择适当的延迟次序和检验拟合模型的稳定性。
当您在命令行输入拟合模型的名称时,您将获得一个对象摘要。在描述
行总结,varm
指示VAR模型是稳定的还是平稳的。
以确定VAR模型的平稳性的另一种方式是使用所估计的自回归系数来创建一个滞后算多项式对象(见LagOP
),然后将滞后操作符传递给isStable
。例如,假设EstMdl
是一个估计的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 = [{眼(3)} AR];%包括滞后0系数。MDL = LagOp(AR);MDL =反映(MDL);%取反所有滞后> 0 isStable(MDL)
如果VAR模型是稳定的,那么isStable
返回一个布尔值1
,0
否则。回归成分会使原本稳定的VAR模型变得不稳定。但是,您可以使用该过程来确定模型中的VAR多项式的稳定性。
稳定模型产生可靠的结果,而不稳定的人可能不会。
稳定性和可逆性是等价于具有模数小于1实际上较少相关的滞后运营商的所有特征值,isStable
通过计算特征值来计算这些量。有关更多信息,请参见isStable
或汉密尔顿[88]。