多元时间序列分析——VAR(向量自回归模型)

  • VAR模型主要是考察多个变量之间的动态互动关系,从而解释各种经济冲击对经济变量形成的动态影响。这种动态关系可通过格兰杰因果关系、脉冲响应以及方差分解来进一步明确和可视化。
  • VAR模型主要研究内生变量之间的关系,内生变量就是参与模型并由模型体系内决定的变量,外生变量时由模型外的因素决定的变量。
    • 内生变量
      • 内生变量是具有某种概率分布的随机变量,它的参数是联立方程系统估计的元素,是由模型系统决定的,同时也对模型系统产生影响
      • 内生变量一般都是明确经济意义变量
      • 一般情况下,内生变量与随机项相关
      • 在联立方程模型中,内生变量既作为被解释变量,又可以在不同的方程中作为解释变量。
    • 外生变量
      • 外生变量一般是确定性变量,或者是具有临界概率分布的随机变量,其参数不是模型系统研究的元素
      • 外生变量影响系统,但本身不受系统的影响。
      • 外生变量一般是经济变量、政策变量、虚拟变量。
      • 一般情况下,外生变量与随机项不相关
  • 多元时间序列分析常用于预测相互联系的时间序列系统以及分析随机扰动对变量系统的动态影响,处理多个相关经济指标的分析与预测,比如经济,商业,社会科学,地球物理,环境科学,工程学等等;
  • 特点
    • 不以严格的经济理论为依据。在建模过程中只需明确两件事:①共有哪些变量是相互有关系的,把有关系的变量包括在VAR模型中;②确定滞后期 p。使模型能反映出变量间相互影响的绝大部分。
    • VAR模型对参数不施加零约束。(对无显着性的参数估计值并不从模型中剔除,不分析回归参数的经济意义。)
    • VAR模型的解释变量中不包括任何当期变量,所有与联立方程模型有关的问题在VAR模型中都不存在(主要是参数估计量的非一致性问题)。
    • VAR模型的另一个特点是有相当多的参数需要估计。比如一个VAR模型含有三个变量,最大滞后期 p=3,则有27个参数需要估计。当样本容量较小时,多数参数的估计量误差较大。
    • 无约束VAR模型的应用之一是预测。由于在VAR模型中每个方程的右侧都不含有当期变量,这种模型用于样本外一期预测的优点是不必对解释变量在预测期内的取值做任何预测。
    • 用VAR模型做样本外近期预测非常准确。做样本外长期预测时,则只能预测出变动的趋势,而对短期波动预测不理想。
  • 模型的定阶(滞后阶数检验)
    • 滞后阶数检验需要考虑两个问题:
      • 第一,如果滞后阶数 p 比较小,那么随机误差项会出现自相关的问题;
      • 第二,在实际应用中,通常希望滞后阶数 p 足够大,进而能够更好的体现所构造的模型的动态特征,但是如果滞后阶数 p 过大时,那么模型所需要估计的参数就越多,将存在自由度太小的问题,如果没有足够多的样本数量,就会造成所需要估计参数不能有效的计算出来。
    • 有两种方法可以做滞后阶数检验
      • 第–种方法,分析各种准则,最后确定滞后阶数,AIC准则、SC准则、HQ准则、LogL准则、最终预测误差(FPE);
      • 第二种方法,分析似然比(LR),这种方法不会出现第一-种方法的无效结果
  • 模型的系数估计
    • 采用OLS(最小二乘估计)方法进行估计,同时估计量具有一致性和无偏性
    • 一个k维p阶向量回归模型中,各方程中所有解释变量的滞后期是相同的,都为滞后p期,因此共估计得到(p*k^2+k)个系数
  • 单位根检验
    • 时间序列平稳性是指–组数列的统计值与时间无关,不会随时间推移而变化,它通常是以因果关系为基础的数学模型的假设条件。
      • 如果时间序列yt是一组平稳序列,那么经过计算分析得到其均值E(yt)不随时间变化而变化,其方差V ar(yt)也不受时间的影响。
      • 如果时间序列yt不是一组平稳序列,那么它的均值和方差都会受到时间t影响,随之改变。
    • 在VAR模型中,必须保证时间序列稳定。如果不能保证时间序列稳定,那么会导致两种结果:
      • 第一,向量自回归系数的估计值是负数,做完 t 检验后,得到的结果是无效的;
      • 第二,两个独立变量的相关关系或者回归关系是假的,使得模型的结果无效。
    • DF检验
    • ADF检验
  • 格兰杰因果检验
    • 在有些情况下,时间序列分析也会出现伪相关问题,也就是可以计算出较大的相关系数的变量实际上并不相关。
    • 格兰杰因果检验用于检验时间序列之间是否存在相关关系,它是能否建立脉冲函数的前提。
    • 先发生的事情对后发生的事情有–定的影响,或者说某个变量是否可以用来提高对其他相关变量的预测能力。所以,“格兰杰因果关系的实质是一-种“预测”关系
    • 格兰杰因果检采取以下方式验证是否是真正的相关关系:
      • 估计当前的Y值被Y本身滞后期取值所能解释的程度;
      • 检验加入X的滞后期后,Y的被解释程度是否提高
      • 如果满足条件(2),则X是Y的格兰杰成因,此时X的滞后期系数具有统计显著性
      • 具体是通过在向量自回归模型系统中考察序列滞后项的系数是否全为零来进行检验
  • 脉冲响应分析
    • 作用是可以分析某个变量对另一个变量的影响时间和幅度
    • 脉冲响应函数
      • 脉冲响应函数研究的是随机干扰项遭受冲击后内生变量的反应,用来描述对随机干扰项施加一一个冲击后对内生变量的当期值和未来值造成的影响。
  • 方差分解
    • 分析各个内生变量的正交冲击对目标内生变量冲击的贡献比例,进而判断分析各个变量的重要性。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/37528.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

通天星CMSV6车载监控平台CompanyList信息泄露漏洞

1 漏洞描述 通天星CMSV6车载视频监控平台是东莞市通天星软件科技有限公司研发的监控平台,通天星CMSV6产品覆盖车载录像机、单兵录像机、网络监控摄像机、行驶记录仪等产品的视频综合平台。通天星科技应用于公交车车载、校车车载、大巴车车载、物流车载、油品运输车载、警车车…

推荐一款程序员的搞钱神器

你是不是经常为开发环境的搭建而头疼?有没有遇到过因为接口开发而焦头烂额的情况?作为一名程序员,特别是独立开发者,这些问题是不是常常让你觉得心力交瘁?别担心,现在有一个神器,能让你摆脱这些…

五、golang基础之slice和map

文章目录 一、slice(一)含义(二)定义切片(三)切片初始化(四)len() 和 cap() 函数(五)空(nil)切片(六)切片截取(七&#xf…

2024HVV最新POC/EXP,目前有8000+个POC/EXP

点击"仙网攻城狮”关注我们哦~ 不当想研发的渗透人不是好运维 让我们每天进步一点点 简介 都是网上收集的POC和EXP,最新收集时间是2024年五月,需要的自取。 表里没有的可以翻翻之前的文章,资源比较零散没有整合起来。 文件链接&#xff…

hexo博客搭建

系列文章目录 文章目录 系列文章目录前言1. 环境配置2. 打包并发布到github仓库3. 生成ssh秘钥4.vscode配置本地与远端相对路径不一致问题总结 前言 本文主要介绍了hexo博客怎么搭建 1. 环境配置 安装git、nodejs、npm创建博客文件夹blogcmd输入命令npm install -g hexo初始化…

10波形震荡原因及采集设备安装视频

10波形震荡原因及采集设备安装视频 排查过程算法软件后台解码计算嵌入式采集设备准备视频 结语其他以下是废话 之前说过:“解决不了的真的就不是我这边能解决的了”,这是因为我们充分排查了自身,那么问题出在哪里呢? 不愿沟通、不…

Spring Boot 全面解析:从入门到实践案例

引言: Spring Boot 是由 Pivotal 团队提供的全新框架,旨在简化 Spring 应用的初始搭建以及开发过程。它基于 Spring 平台,通过“约定优于配置”的原则,尽可能自动化配置,减少XML配置,使得开发者能够快速启…

矢量数据库:概念、历史、现状与展望?

矢量数据库:概念、历史、现状与展望? 李升伟 概念:矢量数据库是一种专门用于存储、检索和搜索矢量的数据库。在数据科学和机器学习中,矢量是表示数据的有序列表或数字序列,可以表示各种类型的数据,如文本…

阿里云智能编程助手的安装使用

https://help.aliyun.com/document_detail/2590613.html 通义灵码,是阿里云出品的一款基于通义大模型的智能编码辅助工具,提供行级/函数级实时续写、自然语言生成代码、单元测试生成、代码优化、注释生成、代码解释、研发智能问答、异常报错排查等能力&a…

前后端防重复提交

数据重复提交是一个大忌,会带来无效数据,应该在前端和后端都建议检测防范。 前端一般是按钮按下触发数据提交,如果用户鼠标操作习惯不好,或者鼠标或系统设置问题会导致鼠标连击,如果前端不做相关处理,可能会…

洞察数据资产的奥秘:深入剖析数据资产在企业运营中的核心作用,提出一套全面、系统的数据资产解决方案,帮助企业实现数据资产的最大化利用和增值

一、引言 在数字化浪潮汹涌的今天,数据已成为企业最宝贵的资产之一。数据资产不仅记录了企业的历史运营轨迹,更蕴含着指导未来决策的智慧。然而,如何有效管理、利用这些数据资产,使其转化为企业的竞争优势和利润增长点&#xff0…

Vue3-04_组件基础_下

props验证 指的是在封装组件时对外界传递过来的 props 数据进行合法性的校验,从而防止数据不合法的问题。 使用数组类型的 props 节点的缺点是无法为每个 prop 指定具体的数据类型。 使用对象类型的 props 节点,可以对每个 prop 进行数据类型的校验&am…

【云服务-5】Elasticsearch

Elasticsearch是什么?和大数据的关系? Elasticsearch 是一个分布式、开源的搜索和分析引擎,建立在 Apache Lucene 库之上。它的主要特点包括: (1)快速、可扩展的搜索和分析能力 (2)支持多租户和高可用性 …

python--基础篇--正则表达式--py脚本--题目解答

文章目录 验证输入用户名和QQ号是否有效并给出对应的提示信息从一段文字中提取出国内手机号码替换字符串中的不良内容拆分长字符串 验证输入用户名和QQ号是否有效并给出对应的提示信息 """ 验证输入用户名和QQ号是否有效并给出对应的提示信息要求:用…

常用数据库简单介绍

1. MySQL 优势: 开源和免费:MySQL 是一个开源数据库,拥有庞大的社区支持,易于获取和使用。性能优秀:对于中小型项目,MySQL 提供了高效的性能和响应速度。跨平台支持:MySQL 可以在各种操作系统…

扎克伯格抨击闭源人工智能竞争对手试图“创造上帝”

Meta 首席执行官马克-扎克伯格(Mark Zuckerberg)在周四发表的一篇访谈中谈到了他对人工智能未来的看法,他深信"不会只有一种人工智能"。扎克伯格强调了开源的价值,即把人工智能工具交到许多人手中,他还不忘贬…

抖音微短剧小程序源码搭建:实现巨量广告数据高效回传

在数字化营销日益盛行的今天,抖音微短剧小程序已成为品牌与观众互动的新渠道。这些短小精悍的剧目不仅能迅速抓住用户的注意力,还能有效提升品牌的知名度和用户黏性。然而,想要充分利用这一营销工具,关键在于如何高效地追踪广告数…

堆的 shift down

堆的 shift down 堆(Heap)是一种特殊的完全二叉树,它通常用于实现优先队列。在堆中,每个节点的值都大于或等于(在最大堆中)或小于或等于(在最小堆中)其子节点的值。堆的操作包括插入元素(shift up)和删除元素(shift down 或 bubble down)。 本文将重点介绍堆的 s…

HDFS EC文件损坏恢复方法

HDFS EC低版本存在许多bug,导致文件损坏,这些bug是在一定的条件下才有机率性的错误重构。 我们当前版本是3.1.1,使用前已修复部署EC patch了,但还是损坏了文件,而且这些文件是无任何提示异常的。是在进行读数据的时候…

从0开始学习pyspark--pyspark的启动模式[第1节]

PySpark是Apache Spark的Python API,它能够在分布式计算环境中处理大规模数据。PySpark可以在几种不同的模式下运行,主要包括以下三种: 本地模式(Local Mode)集群模式(Cluster Mode)客户端模式…