Questions tagged «vecm»

9
为什么要使用矢量纠错模型?
我对向量错误校正模型(VECM)感到困惑。 技术背景: VECM提供了将向量自回归模型(VAR)应用于集成多元时间序列的可能性。在教科书中,他们列举了将VAR应用于集成时间序列时遇到的一些问题,其中最重要的是所谓的虚假回归(t统计量非常重要,R ^ 2很高,尽管变量之间没有关系)。 估计VECM的过程大致包括以下三个步骤,其中一个令人困惑的是我的第一个步骤: 集成多元时间序列的VAR模型的规范和估计 计算似然比检验以确定协整关系数 确定协整次数后,估算VECM 在第一步中,用适当的滞后数(使用通常的拟合优度)来估计VAR模型,然后检查残差是否与模型假设相对应,即没有序列相关性和异方差,并且残差呈正态分布。因此,可以检查VAR模型是否恰当地描述了多元时间序列,只有在这样做的情况下,才可以继续进行下一步。 现在我的问题是:如果VAR模型能够很好地描述数据,为什么我完全需要VECM?如果我的目标是生成预测,那么估计VAR和检查假设还不够,如果这些假设已实现,则仅使用此模型即可吗?

1
使用Johansen方法获取协整向量
我试图更好地理解Johansen方法,因此我开发了一个示例3.1,该示例由《基于可能性的推理-协整-自回归计量经济学》一书给出, 其中有三个过程: X1t=∑i=1tϵ1i+ϵ2tX1t=∑i=1tϵ1i+ϵ2tX_{1t} = \sum_{i=1}^t \epsilon_{1i} + \epsilon_{2t} X2t=α∑i=1tϵ1i+ϵ3tX2t=α∑i=1tϵ1i+ϵ3t X_{2t} = \alpha \sum_{i=1}^t \epsilon_{1i} + \epsilon_{3t} X3t=ϵ4tX3t=ϵ4t X_{3t} = \epsilon_{4t} 因此协整向量应该是[a,-1,0]和[0,0 1],但是当我运行Johansen方法时,我无法获得它们。 我正在尝试的代码如下: import numpy as np import matplotlib.pyplot as plt import pandas as pd from statsmodels.tsa.stattools import adfuller from statsmodels.tsa.johansen import coint_johansen mu, sigma = 0, 1 # mean …
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.