Подбирайте модель векторного исправления ошибок (VEC) к данным
дополнительные опции использования заданы одним или несколькими аргументами пары "имя-значение". Например, EstMdl
= estimate(Mdl
,Y
,Name,Value
)'Model',"H1*",'X',X
задает H1* форма Йохансена детерминированных условий и X
как внешние данные о предикторе для компонента регрессии.
Если 1 ≤ Mdl.Rank
≤ Mdl.NumSeries
– 1 , как с большинством моделей VEC, затем
estimate
выполняет оценку параметра два шага.
estimate
оценивает параметры cointegrating отношений, включая любые ограниченные прерывания и тренды времени, методом Йохансена [2].
Форма cointegrating отношений соответствует одной из пяти параметрических форм, рассмотренных Йохансеном в [2] (см. 'Model'
). Для получения дополнительной информации смотрите jcitest
и jcontest
.
Параметр скорости корректировки (A) и матрица коинтеграции (B) в модели VEC (p - 1) не может быть однозначно определен. Однако продукт Π = A *Bʹ идентифицируется. На этом шаге оценки, B = V 1:r, где V 1:r является матрицей, состоявшей из всех строк и первых столбцов r матрицы собственного вектора V. V нормирован так, чтобы V ʹ *S11*V = I. Для получения дополнительной информации см. [2].
estimate
создает условия исправления ошибок из предполагаемых cointegrating отношений. Затем estimate
оценивает остающиеся условия в модели VEC путем построения векторной модели (VAR) авторегрессии в первых различиях и включая условия исправления ошибок с должности предикторов. Для моделей без cointegrating отношений (Mdl.Rank
= 0) или с cointegrating матрицей полного ранга (Mdl.Rank
= Mdl.Numseries
), estimate
выполняет этот шаг оценки VAR только.
Можно удалить стационарные ряды, которые сопоставлены со стандартными единичными векторами в течение cointegrating отношений от анализа коинтеграции. К предварительному отдельному ряду для стационарности используйте adftest
, pptest
, kpsstest
, и lmctest
. Как альтернатива, можно протестировать на стандартные единичные векторы в контексте полной модели при помощи jcontest
.
Если 1
≤ Mdl.Rank
≤ Mdl.NumSeries
– 1 , асимптотические ошибочные ковариации параметров в cointegrating отношениях (которые включают B, c 0 и d 0 соответствий
Cointegration
, CointegrationConstant
, и CointegrationTrend
свойства, соответственно), являются обычно негауссовыми. Поэтому estimate
не оценивает или возвращает соответствующие стандартные погрешности.
В отличие от этого ошибочные ковариации составной матрицы удара, которая задана как продукт A *Bʹ, являются асимптотически Гауссовыми. Поэтому estimate
оценки и возвращают его стандартные погрешности. Подобные протесты содержат для стандартных погрешностей полного постоянного и линейного тренда (A *c0 и A *d0corresponding к Constant
и Trend
свойства, соответственно) H1* и H* формы Йохансена.
[1] Гамильтон, J. D. Анализ Временных Рядов. Принстон, NJ: Издательство Принстонского университета, 1994.
[2] Йохансен, S. Основанный на вероятности вывод в векторных авторегрессивных моделях Cointegrated. Оксфорд: Издательство Оксфордского университета, 1995.
[3] Juselius, K. Модель VAR Cointegrated. Оксфорд: Издательство Оксфордского университета, 2006.
[4] Lütkepohl, H. Новое введение в несколько анализ временных рядов. Берлин: Спрингер, 2005.