来自 VAR 估计的估计残差（vars 包）

Question

我目前正在估计一个 VAR 模型，然后是广义脉冲响应函数的估计。为了获得其中的 SE，我应该先做一些引导。

此过程从“估计 VAR 模型的参数并提取估计残差，记为 Ût”开始。

现在，我正在使用 vars 包估计我的 var 模型，如下所示

varendoA<-data.frame(value_ts,value2_ts, price_ts, price2_ts)
library(vars)
fitvar<- VAR(varendo, type = c("both"), season = christmas, lag.max = 12,ic = c("AIC"))
summary(fitvar)

该模型包含 5 个变量和 104 个观测值、一个趋势、一个常数和一个圣诞节期间的虚拟变量，并输出具有 5 个滞后的结果。

现在，当我想提取其残差 residuals(fitvar) 时，我会得到一个包含每个变量 99 个数字的列表。

我应该使用这些残差来生成引导残差（从获得的残差中随机绘制并替换）并将它们与估计的方程一起使用来生成新的引导时间序列以重新估计 VAR 和 IRF（以及最后为我的估计获得 SE）。

因为我应该递归计算新的时间序列如下：

我不应该得到每个变量 104 个残差而不是 99 个的列表吗？我对整个生成过程有点困惑。

任何帮助都非常感激。

Answer 1

在自回归 (AR) 模型中，使用变量过去值的线性组合来预测变量。由于您已设置 lag.max = 12，因此您允许 VAR 选择一个最多使用 12 个滞后值作为预测变量的模型。

由于您的模型使用 5 个滞后，VAR 无法将值拟合到变量的前 5 个观察值。这是因为前 5 个观测值被用于将值拟合到第 6 个观测值。因此，残差数将是观察数减去 AR 模型阶数。