请问达人GAUSS 7.0中 MSVARlib 运行结果怎么看？

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

以下是我在GAUSS 7.0中 运行MSVARlib 中example中一个例子的结果，不知从该结果中怎么看各状态的概率呢？其中Beta、Delta、Sigma都分别是什么参数呢？刚刚接触这个模型，属于菜鸟级的，还请各位达人不吝赐教阿，万分感谢！





==================Initial matrix of transition markovian probabilities, ptrans_init:==================
      0.90000000      0.05000000      0.05000000
      0.05000000      0.90000000      0.05000000
      0.05000000      0.05000000      0.90000000

==================Initial switching regressors (or intercepts), Beta :==================
     -1.08316340     -0.07490173     -0.37822445     -0.23158135      0.04067441     -0.03831386     -0.02748879     -0.05300856      1.04248899      0.11321558      0.40571324      0.28458991

==================Initial ergodic state probabilities, prob_st_init:==================
      0.33333333
      0.33333333
      0.33333333

==================Initial state covariance, var_init:=========================
      0.99561404      0.08390998      0.21071405      0.14537713
      0.08390998      0.99561404      0.18415662      0.11374016
      0.21071405      0.18415662      0.99561404      0.13020577
      0.14537713      0.11374016      0.13020577      0.99561404

=========================Det(inv(var_cov_init)):=========================
      1.15071775

==================Initial non switching regressors (or intercepts), Delta :==================
      0.00000000      0.00000000      0.00000000      0.00000000      0.00000000      0.00000000      0.00000000      0.00000000      0.00000000      0.00000000      0.00000000      0.00000000



=================Final Results of the Maximum likelihood optimization ==================

Log likelihood  -1220.34601202
Convergence code :      0.00000000
The EM algorithm has converged.

Degree of freedom    200.00000000
Number of observations :               228
Number of parameters :                28

                                Estimates                       Gradient                    Standard-errors                  T-student                    Pvalue.
-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
X01                             0.884406                      0.004036                      0.074416                     11.884544                      0.000000
X02                             0.028982                      0.000681                      0.022229                      1.303780                      0.193807
X03                             0.001000                      0.000001                      0.000000                          +INF                      0.000000
X04                             0.065215                      0.005337                      0.074171                      0.879246                      0.380323
X05                             0.916591                      0.000742                      0.056372                     16.259685                      0.000000
X06                             0.039102                     -0.000944                      0.038109                      1.026064                      0.306101
X07                            -1.208680                      0.001148                      0.214519                     -5.634362                      0.000000
X08                            -1.067031                     -0.001486                      0.229001                     -4.659511                      0.000006
X09                            -1.414365                     -0.000636                      0.197740                     -7.152642                      0.000000
X10                            -0.988453                      0.000922                      0.224395                     -4.404977                      0.000017
X11                            -0.031824                      0.000273                      0.134877                     -0.235947                      0.813715
X12                            -0.058864                     -0.001341                      0.111110                     -0.529780                      0.596852
X13                            -0.270529                      0.000214                      0.146793                     -1.842926                      0.066820
X14                            -0.098073                     -0.002296                      0.148705                     -0.659515                      0.510324
X15                             0.208623                      0.001255                      0.094057                      2.218044                      0.027677
X16                             0.202507                     -0.001019                      0.088351                      2.292071                      0.022943
X17                             0.383411                     -0.000795                      0.113802                      3.369105                      0.000905
X18                             0.213614                      0.000072                      0.097972                      2.180358                      0.030398
X19                             0.839796                      0.000121                      0.080872                     10.384241                      0.000000
X20                            -0.007484                     -0.000900                      0.043407                     -0.172421                      0.863281
X21                             0.869242                      0.000080                      0.082695                     10.511451                      0.000000
X22                             0.142332                      0.001694                      0.056973                      2.498220                      0.013288
X23                             0.113057                      0.001661                      0.055473                      2.038059                      0.042861
X24                             0.707990                      0.000158                      0.078865                      8.977219                      0.000000
X25                             0.099129                      0.000898                      0.058973                      1.680914                      0.094341
X26                             0.059653                     -0.000054                      0.061531                      0.969477                      0.333478
X27                             0.026699                      0.000282                      0.065282                      0.408976                      0.682995
X28                             0.878939                     -0.000274                      0.084184                     10.440702                      0.000000
Duration of estimation, in secs:  44.48400000

=================Final Parameters  ==================


=================Final matrix of markovian transition probabilities P[i,j]: ==================
      0.88440602      0.02898160      0.00100000
      0.06521486      0.91659084      0.03910218
      0.05037911      0.05442755      0.95989782

=================Final ergodic probabilities :=================
      0.08976731
      0.33830540
      0.57192729
=================Final transposed conditional beta, covariances, var_res by regime, y1..yk series in column :=================
==============Regime      1.00000000=============
Beta
     -1.20868037     -1.06703115     -1.41436519     -0.98845281
Delta
      0.00000000      0.00000000      0.00000000      0.00000000
Sigma
      0.83979597     -0.00748424      0.14233180      0.09912896
     -0.00748424      0.86924241      0.11305741      0.05965322
      0.14233180      0.11305741      0.70799003      0.02669891
      0.09912896      0.05965322      0.02669891      0.87893915
==============Regime      2.00000000=============
Beta
     -0.03182379     -0.05886381     -0.27052891     -0.09807326
Delta
      0.00000000      0.00000000      0.00000000      0.00000000
Sigma
      0.83979597     -0.00748424      0.14233180      0.09912896
     -0.00748424      0.86924241      0.11305741      0.05965322
      0.14233180      0.11305741      0.70799003      0.02669891
      0.09912896      0.05965322      0.02669891      0.87893915
==============Regime      3.00000000=============
Beta
      0.20862317      0.20250729      0.38341095      0.21361383
Delta
      0.00000000      0.00000000      0.00000000      0.00000000
Sigma
      0.83979597     -0.00748424      0.14233180      0.09912896
     -0.00748424      0.86924241      0.11305741      0.05965322
      0.14233180      0.11305741      0.70799003      0.02669891
      0.09912896      0.05965322      0.02669891      0.87893915
==============Block matrix of beta, delta,  covariances, by regime, y1..yk series in column :=============
Beta:
     -1.20868037     -1.06703115     -1.41436519     -0.98845281     -0.03182379     -0.05886381     -0.27052891     -0.09807326      0.20862317      0.20250729      0.38341095      0.21361383

Delta:
      0.00000000      0.00000000      0.00000000      0.00000000      0.00000000      0.00000000      0.00000000      0.00000000      0.00000000      0.00000000      0.00000000      0.00000000
Sigma:
      0.83979597     -0.00748424      0.14233180      0.09912896
     -0.00748424      0.86924241      0.11305741      0.05965322
      0.14233180      0.11305741      0.70799003      0.02669891
      0.09912896      0.05965322      0.02669891      0.87893915

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1 回帖

关键词：MSVARlib GAUSS MSVAR SVAR Aus transition example matrix Sigma 模型

你也太懒了吧，不是有说明书吗。自己看

看过两遍了，因为比较急着用所以想问问大家。

kohyoubeng 发表于 2011-9-27 21:45
你也太懒了吧，不是有说明书吗。自己看

我已经看明白了，但我问这样的问题并不证明我懒阿，即便你不回答也不要这样说阿，弄得大家好像都不给我回复了，VIP也不用这么牛吧。

大伙calm down!