跳转到内容

向量自回归模型

本页使用了标题或全文手工转换
维基百科,自由的百科全书

向量自我回归模型(英语: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克里斯托弗·西姆斯(英语:Christopher Sims)提出。它扩充了只能使用一个变量的自我回归模型(简称:AR模型),使容纳大于1个变量,因此经常用在多变量时间序列模型的分析上。

定义

VAR模型描述在同一样本期间内的n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:

其中:cn × 1常数向量Ain × n矩阵。etn × 1误差向量,满足:

  1. —误差项的均值为0
  2. —误差项的协方差矩阵为Ω(一个n × 'n半正定矩阵)
  3. (对于所有不为0的k都满足)—误差项不存在自我相关

例子

一个有两个变量的VAR(1)模型可以表示为:

或者也可以写为以下的方程组:

转换AR(p)为VAR(1)

AR(p)模型常常可以被改写为VAR(1)模型。 比如AR(2)模型:

可以转换成一个VAR(1)模型:

其中I单位矩阵

结构与简化形式

结构向量自我回归

一个结构向量自我回归(Structural VAR)模型可以写成为:

其中:c0n × 1常数向量Bin × n矩阵,εtn × 1误差向量。

一个有两个变量的结构VAR(1)可以表示为:

其中:

简化向量自我回归

把结构向量自我回归与B0逆矩阵相乘:

让:

对于

我们得到p-阶简化向量自我回归(Reduced VAR):

相关条目