多元MIDAS预测，系数协方差矩阵非正定怎么办？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

本人用matlab做midas回归预测，只用了两个自变量和一个y的自回归量进行回归，自变量间相关性比较低，应该不存在共线性。
估计得到系数的协方差矩阵非正定，个人猜想是不是自变量和自回归量有相关性，于是去掉了自回归量，但仍然非正定。。我现在猜测是不是每个自变量的midas权重函数参数之间存在什么联系导致了系数协方差矩阵非正定，但这是我凭感觉的猜测，没有证据也不知道怎么证明。。

想问一下系数协方差矩阵非正定说明什么呀，该怎么解决呢？
先谢谢大佬了

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：协方差矩阵 MIDAS 协方差 非正定 MID 预测

系数协方差矩阵非正定表示存在多重共线性或其他问题，这会导致估计的系数不可靠，难以解释和进行统计推断。在回归分析中，共线性指的是自变量之间存在高度线性相关性，这可能导致回归模型的不稳定性。解决非正定系数协方差矩阵的方法包括以下几个方面：
1. 检查数据：确保数据输入正确，没有错误或缺失值，并且数据的结构和格式正确。
2. 检查自变量之间的相关性：虽然您已经表示自变量之间的相关性较低，但仍建议通过计算相关系数或使用其他相关性分析方法来评估自变量之间的相关性。如果发现高度相关的自变量，可以考虑删除其中一个或进行变量转换。
3. 考虑使用正则化方法：正则化方法（如岭回归或lasso回归）可以在回归分析中应对共线性问题。这些方法通过加入惩罚项来控制系数的大小，从而减少共线性带来的影响。
4. 考虑使用主成分分析（PCA）：PCA可以将原始自变量转换为一组无关的主成分，从而减少共线性的影响。通过保留较少的主成分，可以减少变量之间的相关性。
5. 考虑增加样本量：增加样本量可以减少估计的方差，从而提高系数协方差矩阵的正定性。
6. 检查MIDAS权重函数参数：您提到的自变量的MIDAS权重函数参数可能存在联系，可以尝试调整参数或使用其他权重函数来解决非正定性问题。

sun_man 发表于 2023-10-27 10:11
系数协方差矩阵非正定表示存在多重共线性或其他问题，这会导致估计的系数不可靠，难以解释和进行统计推断。 ...

请问无论是怎样的模型，如果出现系数协方差矩阵非正定，都是这个含义吗

dddddddd

好复杂的样子。

路过看看

比较复杂

谢谢分享！

自变量之间存在多重共线性。即使自变量之间相关性不高,但当自变量数量较多时,仍可能存在一定程度的多重共线性,导致协方差矩阵不可逆,出现非正定。可以检查自变量之间的相关系数矩阵,以及计算方差膨胀因子(VIF)来检验多重共线性的存在。
权重函数参数设置不当,导致不同滞后期自变量之间存在高度相关性。可以试验不同的权重函数形式,调整参数设置,降低相关性。
样本量不足。MIDAS回归对样本量要求较高,如果样本量太小,很难稳定估计出协方差矩阵。应扩大样本量。
模型存在过度参数化问题。权重函数中的参数太多,给定样本量无法得到稳定参数估计。可以简化权重函数形式,减少参数数量。
优化算法问题。在参数估计中,可能陷入局部最优,导致最终结果不稳定。可以试验不同优化算法,多次运行来检查结果稳定性。

oliyiyi 发表于 2023-10-28 13:29
自变量之间存在多重共线性。即使自变量之间相关性不高,但当自变量数量较多时,仍可能存在一定程度的多重共线 ...

谢谢！