我正在寻找一个基于 python 或 matlab 的包，它可以估计以下模型的参数：
在原始论文中，他们引用了 Koop 的 this 代码。我遇到的问题是这个程序以及 Python 的 statsmodel 中的标准包估计了以下形式的 DFM：
与论文中模型的不同之处在于，如果我们有两个因素，那么A_1是二维的，但是在我要估计的模型中，我们只想估计a_11并假设a_12 = 0。哪个包可以估计这样的模型？
【问题讨论】：
标签： python matlab statistics modeling
在 Statsmodels 中有两种方法可以做到这一点，尽管每种方法都有权衡：
(1) 如果你可以接受误差项的 1 滞后（即如果可以有 e(i,t) = \phi(i,1) e(i,t-1) + u( i,t)，来自您链接的“模型”方程），那么您可以使用 DynamicFactorMQ 类。对于两个独立演化的因素，您可以使用以下方法：
mod = sm.tsa.DynamicFactorMQ(y, factors=['f1', 'f2'],
factor_orders={'f1':1, 'f2':1},
idiosyncratic_ar1=True)
res = mod.fit()
有关factors 和factor_orders 参数如何工作的更多详细信息，请参阅here。基本上，通过指定 factor_orders={'f1':1, 'f2':1} 而不是 factor_orders={('f1', 'f2'):1}（如果您不指定任何内容，这是默认设置），因子会单独演变（这与对角 A 矩阵相同）。
(2) 否则，如果您没有太多左侧变量，您可以使用带有固定参数的DynamicFactor 类：
mod = sm.tsa.DynamicFactor(std, factor_order=1, k_factors=2,
error_order=1,
enforce_stationarity=False)
with mod.fix_params({'L1.f2.f1': 0, 'L1.f1.f2': 0}):
res = mod.fit()
在这种情况下，当您执行mod.fix_params({'L1.f2.f1': 0, 'L1.f1.f2': 0}) 时，您指定a_12 = a_21 = 0。有关使用fix_params 的更多详细信息，请参阅here。
但总的来说，上述选项 (1) 中的 DynamicFactorMQ 类更健壮，并且可能是更好的选择。
【讨论】：