吉安卢卡·库巴达;阿兰·赫克;弗兰兹·C·帕尔姆。 在多元建模之前,研究大型多元数据中的协同运动。 (英语) Zbl 1429.62389号 《经济学杂志》。 148,第1号,25-35(2009). 摘要:对于非平稳向量自回归模型(以下简称VAR,或VAR with moving average,以下简称VARMA),我们表明,共同周期特征或协整的存在导致隐含的单变量自回归积分移动平均(ARIMA)模型的阶数降低。这一发现可以解释为什么我们在应用研究中确定了简约的单变量ARIMA模型,尽管宏观计量经济学中使用的典型顺序和维度的VAR模型暗示了非简约的一变量ARIMA表示。接下来,我们制定了一种策略,用于研究变量之间的相互作用,然后可能在多元环境中对其建模。事实上,自回归根的相似性将为一组多重时间序列中存在的共同运动提供信息。我们的结果证明了使用具有齐次自回归和非齐次互相关向量移动平均误差和因子结构的面板设置,以及使用ARIMA序列的横截面聚集来估计齐次自归一化。 引用于8文件 MSC公司: 62米10 统计学中的时间序列、自相关、回归等(GARCH) 62第20页 统计学在经济学中的应用 91B84号 经济时间序列分析 关键词:相互作用;多时间序列;共同运动;ARIMA公司;协整;普通周期;动态面板数据 软件:有轨电车 PDF格式BibTeX公司 XML格式引用 \textit{G.Cubadda}等人,《经济学杂志》。148,编号1,25-35(2009;Zbl 1429.62389) 全文: 内政部 链接 参考文献: [1] Ahn,S.K.,带协整和标量分量的向量自回归模型的推断,美国统计协会杂志,92,350-356(1997)·Zbl 1090.62552号 [2] Bai,J。;Ng,S.,单位根与协整的恐慌攻击,《计量经济学》,72,1127-1177(2004)·Zbl 1091.62068号 [3] Brüggemann,R.、Krolzig,H.M.、Lütkepohl,H.,2003年。VAR过程模型简化方法的比较,经济学论文#2003-W13,牛津大学纳菲尔德学院经济学组;Brüggemann,R.,Krolzig,H.M.,Lütkepohl,H.,2003年。VAR过程模型简化方法的比较,经济学论文#2003-W13,牛津大学纳菲尔德学院经济学组 [4] Centoni,M。;库巴达,G。;Hecq,A.,《共同冲击、共同动力与国际商业周期》,《经济建模》,第24期,第149-166页(2007年) [5] 库巴达,G。;Hecq,A.,《论非暂时性短期合作》,《经济学快报》,73389-397(2001)·Zbl 1007.91048号 [6] Cubadda,G.,分析协整时间序列中常见周期特征的统一框架,计算统计与数据分析,52,896-906(2007)·Zbl 1452.62625号 [7] 库巴达,G。;Hecq,A。;F.C.Palm,《宏观面板与现实》,《经济学快报》,99,537-540(2008)·Zbl 1255.91348号 [8] 恩格尔,R.F。;Kozicki,S.,《共同特征测试(附评论)》,《商业与经济统计杂志》,第11期,第369-395页(1993年) [9] Ericsson,N.,评论(关于Engle和Kozicki(1993)),《商业与经济统计杂志》,11,380-383(1993) [10] 弗尼,M。;Hallin,M。;里皮,M。;Reichlin,L.,《广义动态因子模型:识别和估计》,《经济学和统计学评论》,82540-554(2000) [11] Franses,P.H.,《商业和经济预测的时间序列模型》(1998),剑桥大学出版社 [12] Gómez,V.,Maravall,A.,1996年。程序TRAMO(带有arima噪声、缺失观测值和离群值的时间序列回归)和SEATS(arima时间序列中的信号提取)。用户须知。西班牙银行研究部9628号工作文件;Gómez,V.,Maravall,A.,1996年。程序TRAMO(带有arima噪声、缺失观测值和离群值的时间序列回归)和SEATS(arima时间序列中的信号提取)。用户须知。西班牙银行研究部第9628号工作文件 [13] Gouriéroux,Ch.,Peaucelle,I.,1989年。检测长期关系。CEPREMAP讨论文件,8902;Gouriéroux,Ch.,Peaucelle,I.,1989年。检测长期关系。CEPREMAP讨论文件,8902 [14] Hecq,A.,2006年。VAR模型中的协整和常见周期特征:比较两步和迭代方法的小样本性能。马斯特里赫特大学研究备忘录;Hecq,A.,2006年。VAR模型中的协整和常见周期特征:比较两步和迭代方法的小样本性能。马斯特里赫特大学研究备忘录 [15] Hecq,A。;F.C.帕尔姆。;Urbain,J.P.,具有共同特征的协整VAR系统中的分离、弱外生性和P-T分解,《计量经济学评论》,21,273-307(2002)·Zbl 1064.91532号 [16] Hecq,A。;F.C.帕尔姆。;Urbain,J.P.,具有协整的VAR模型中的常见周期特征分析,《计量经济学杂志》,132117-141(2006)·Zbl 1337.62266号 [17] Johansen,S.,《协整向量自回归模型中基于似然数的推断》(1996),牛津大学出版社:牛津大学出版社 [18] Lütkepohl,H.,《多重时间序列分析新导论》(2005),《施普林格-弗拉格:柏林施普林格》·Zbl 1072.62075号 [19] Maravall,A。;Mathis,A.,《多元时间序列中的单变量模型比较:案例研究》,《计量经济学杂志》,61197-233(1994)·Zbl 0800.62810号 [20] Palm,F.C.,《关于单变量时间序列方法和联立方程计量经济学模型》,《计量经济学杂志》,5379-388(1977)·Zbl 0354.62070号 [21] F.C.帕尔姆。;Zellner,A.,动态方程系统的大样本估计和测试程序,《计量经济学杂志》,12,251-283(1980)·Zbl 0425.62074号 [22] Quenouille,M.H.,《多时间系列分析》(1957),哈夫纳出版公司:哈夫纳出版社,纽约,第二版,1968年·Zbl 0077.33603号 [23] Reinsel,G.,多元自回归指数模型的一些结果,Biometrika,70145-156(1983)·兹比尔0509.62083 [24] Schleicher,Ch.,协整自回归模型中的相互依赖性,应用计量经济学杂志,22,137-159(2007) [25] 股票,J.H。;Watson,M.W.,《使用扩散指数进行宏观经济预测》,《商业与经济统计杂志》,20,2,147-162(2002) [26] Tiao,G.C。;Tsay,R.S.,多元时间序列的模型规范(附评论),《皇家统计学会杂志》,B辑,51,157-213(1989)·Zbl 0693.62071号 [27] 瓦希德,F。;Engle,R.F.,《共同趋势和共同周期》,《应用计量经济学杂志》,8,341-360(1993) [28] 瓦希德,F。;Engle,R.F.,共同依赖周期,《计量经济学杂志》,80,199-221(1997)·Zbl 0929.62115号 [29] Wallis,K.F.,《多重时间序列分析和计量经济学模型的最终形式》,《计量经济学》,第45期,1481-1497页(1977年)·兹伯利0366.62102 [30] Zellner,A。;Palm,F.C.,《时间序列分析和联立方程计量经济学模型》,《计量经济学杂志》,217-54(1974)·Zbl 0282.90011号 [31] Zellner,A。;Palm,F.C.,《美国经济货币模型的时间序列和结构分析》,桑哈亚:印度统计杂志,C辑,37,12-56(1975) [32] Zellner,A。;Palm,F.C.,《结构计量经济时间序列分析方法》(2004),剑桥大学出版社 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。