向量自回归模型, 向量自我迴歸模型, 英語, vector, autoregression, model, 简称var模型, 是一种常用的计量经济模型, 由计量经济学家和宏观经济学家克里斯托弗, 西姆斯, 英語, christopher, sims, 提出, 它擴充了只能使用一個變量的自我迴歸模型, 簡稱, ar模型, 使容納大於1個變量, 因此經常用在多變量時間序列模型的分析上, 目录, 定义, 例子, 转换var, 为var, 结构与简化形式, 結構向量自我迴歸, 简化向量自我迴歸, 相關條目定义, 编辑var. 向量自我迴歸模型 英語 Vector Autoregression model 简称VAR模型 是一种常用的计量经济模型 由计量经济学家和宏观经济学家克里斯托弗 西姆斯 英語 Christopher Sims 提出 它擴充了只能使用一個變量的自我迴歸模型 簡稱 AR模型 使容納大於1個變量 因此經常用在多變量時間序列模型的分析上 目录 1 定义 2 例子 3 转换VAR p 为VAR 1 4 结构与简化形式 4 1 結構向量自我迴歸 4 2 简化向量自我迴歸 5 相關條目定义 编辑VAR模型描述在同一样本期间内的n个变量 内生变量 可以作为它们过去值的线性函数 一个VAR p 模型可以写成为 y t c A 1 y t 1 A 2 y t 2 A p y t p e t displaystyle y t c A 1 y t 1 A 2 y t 2 cdots A p y t p e t 其中 c是n 1常数向量 Ai是n n矩阵 et是n 1误差向量 满足 E e t 0 displaystyle mathrm E e t 0 误差项的均值为0 E e t e t W displaystyle mathrm E e t e t Omega 误差项的协方差矩阵为W 一个n n半正定矩阵 E e t e t k 0 displaystyle mathrm E e t e t k 0 对于所有不为0的k都满足 误差项不存在自我相关例子 编辑一个有两个变量的VAR 1 模型可以表示为 y 1 t y 2 t c 1 c 2 A 1 1 A 1 2 A 2 1 A 2 2 y 1 t 1 y 2 t 1 e 1 t e 2 t displaystyle begin bmatrix y 1 t y 2 t end bmatrix begin bmatrix c 1 c 2 end bmatrix begin bmatrix A 1 1 amp A 1 2 A 2 1 amp A 2 2 end bmatrix begin bmatrix y 1 t 1 y 2 t 1 end bmatrix begin bmatrix e 1 t e 2 t end bmatrix 或者也可以写为以下的方程组 y 1 t c 1 A 1 1 y 1 t 1 A 1 2 y 2 t 1 e 1 t displaystyle y 1 t c 1 A 1 1 y 1 t 1 A 1 2 y 2 t 1 e 1 t y 2 t c 2 A 2 1 y 1 t 1 A 2 2 y 2 t 1 e 2 t displaystyle y 2 t c 2 A 2 1 y 1 t 1 A 2 2 y 2 t 1 e 2 t 转换VAR p 为VAR 1 编辑AR p 模型常常可以被改写为VAR 1 模型 比如AR 2 模型 y t c A 1 y t 1 A 2 y t 2 e t displaystyle y t c A 1 y t 1 A 2 y t 2 e t 可以转换成一个VAR 1 模型 y t y t 1 c 0 A 1 A 2 I 0 y t 1 y t 2 e t 0 displaystyle begin bmatrix y t y t 1 end bmatrix begin bmatrix c 0 end bmatrix begin bmatrix A 1 amp A 2 I amp 0 end bmatrix begin bmatrix y t 1 y t 2 end bmatrix begin bmatrix e t 0 end bmatrix dd 其中I是单位矩阵 结构与简化形式 编辑結構向量自我迴歸 编辑 一个结构向量自我迴歸 Structural VAR 模型可以写成为 B 0 y t c 0 B 1 y t 1 B 2 y t 2 B p y t p ϵ t displaystyle B 0 y t c 0 B 1 y t 1 B 2 y t 2 cdots B p y t p epsilon t 其中 c0是n 1常数向量 Bi是n n矩阵 et是n 1误差向量 一个有两个变量的结构VAR 1 可以表示为 1 B 0 1 2 B 0 2 1 1 y 1 t y 2 t c 0 1 c 0 2 B 1 1 1 B 1 1 2 B 1 2 1 B 1 2 2 y 1 t 1 y 2 t 1 ϵ 1 t ϵ 2 t displaystyle begin bmatrix 1 amp B 0 1 2 B 0 2 1 amp 1 end bmatrix begin bmatrix y 1 t y 2 t end bmatrix begin bmatrix c 0 1 c 0 2 end bmatrix begin bmatrix B 1 1 1 amp B 1 1 2 B 1 2 1 amp B 1 2 2 end bmatrix begin bmatrix y 1 t 1 y 2 t 1 end bmatrix begin bmatrix epsilon 1 t epsilon 2 t end bmatrix 其中 S E ϵ t ϵ t s 1 0 0 s 2 displaystyle Sigma mathrm E epsilon t epsilon t begin bmatrix sigma 1 amp 0 0 amp sigma 2 end bmatrix 简化向量自我迴歸 编辑 把结构向量自我迴歸与B0的逆矩阵相乘 y t B 0 1 c 0 B 0 1 B 1 y t 1 B 0 1 B 2 y t 2 B 0 1 B p y t p B 0 1 ϵ t displaystyle y t B 0 1 c 0 B 0 1 B 1 y t 1 B 0 1 B 2 y t 2 cdots B 0 1 B p y t p B 0 1 epsilon t 让 B 0 1 c 0 c displaystyle B 0 1 c 0 c B 0 1 B i A i displaystyle B 0 1 B i A i 对于 i 1 p displaystyle i 1 cdots p 和 B 0 1 ϵ t e t displaystyle B 0 1 epsilon t e t 我们得到p 阶简化向量自我迴歸 Reduced VAR y t c A 1 y t 1 A 2 y t 2 A p y t p e t displaystyle y t c A 1 y t 1 A 2 y t 2 cdots A p y t p e t 相關條目 编辑自我迴歸模型 AR模型 自我迴歸滑動平均模型 ARMA模型 差分自我迴歸滑動平均模型 ARIMA模型 格蘭傑因果關係 Granger Causality 取自 https zh wikipedia org w index php title 向量自回归模型 amp oldid 70359502, 维基百科,wiki,书籍,书籍,图书馆,