标签:统计分析 变量 模型 咨询服务 数据挖掘 VAR 向量 预测
原文链接:http://tecdat.cn/?p=8478
澳大利亚在2008 - 2009年全球金融危机期间发生了这种情况。澳大利亚政府发布了一揽子刺激计划,其中包括2008年12月的现金支付,恰逢圣诞节支出。因此,零售商报告销售强劲,经济受到刺激。因此,收入增加了。
VAR面临的批评是他们是理论上的; 也就是说,它们不是建立在一些经济学理论的基础上,这些理论强加了方程式的理论结构。假设每个变量都影响系统中的每个其他变量,这使得估计系数的直接解释变得困难。尽管如此,VAR在几种情况下都很有用:
- 预测相关变量的集合,不需要明确的解释;
- 测试一个变量是否有助于预测另一个变量(格兰杰因果关系检验的基础);
- 脉冲响应分析,其中分析了一个变量对另一个变量的突然但暂时的变化的响应;
- 预测误差方差分解,其中每个变量的预测方差的比例归因于其他变量的影响。
示例:用于预测美国消费的VAR模型
VARselect(uschange[,1:2], lag.max=8, type="const")[["selection"]] #> AIC(n) HQ(n) SC(n) FPE(n) #> 5 1 1 5
R输出显示由vars包中可用的每个信息标准选择的滞后长度。由AIC选择的VAR(5)与BIC选择的VAR(1)之间存在很大差异。这并不罕见。因此,我们首先拟合由BIC选择的VAR(1)。
var1 <- VAR(uschange[,1:2], p=1, type="const") serial.test(var1, lags.pt=10, type="PT.asymptotic") ...
与单变量ARIMA方法类似,我们使用Portmanteau测试24测试残差是不相关的。VAR(1)和VAR(2)都具有一些残余序列相关性,因此我们拟合VAR(3)。
... serial.test(...) #> #> Portmanteau Test (asymptotic) #> #> data: Residuals of VAR object var3 #> Chi-squared = 34, df = 28, p-value = 0.2
该模型的残差通过了串联相关的测试。VAR(3)生成的预测如图 所示。
forecast(var3) %>%...
图 :美国消费和VAR收入的预测
如果您有任何疑问,请在下面发表评论。
大数据部落 -中国专业的第三方数据服务提供商,提供定制化的一站式数据挖掘和统计分析咨询服务
统计分析和数据挖掘咨询服务:y0.cn/teradat(咨询服务请联系官网客服)
【服务场景】
科研项目; 公司项目外包;线上线下一对一培训;数据爬虫采集;学术研究;报告撰写;市场调查。
【大数据部落】提供定制化的一站式数据挖掘和统计分析咨询
欢迎关注微信公众号,了解更多数据干货资讯!
欢迎选修我们的R语言数据分析挖掘必知必会课程!
标签:统计分析,变量,模型,咨询服务,数据挖掘,VAR,向量,预测 来源: https://www.cnblogs.com/tecdat/p/11815069.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。