新手请教，AR（1）如何用GAUSS做？

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

刚入门，各种不会~~~请教各位大牛下，，AR（1）如何用GAUSS实现？

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：GAUSS Aus USS 如何用 如何

recserar命令可以生成AR（1）过程。
Example n = 10;
fn multnorm(n,sigma) =
rndn(n,rows(sigma))*chol(sigma);
let sig[2,2] = { 1 -.3, -.3 1 };
rho = 0.5~0.3;
y0 = 0~0;
e = multnorm(n,sig);
x = ones(n,1)~rndn(n,3);
b = 1|2|3|4;
y = recserar(x*b+e,y0,rho);
In this example, two autoregressive series are formed using simulated
data. The general form of the series can be written:
y[1,t] = rho[1,1]*y[1,t-1] + x[t,.]*b + e[1,t]
y[2,t] = rho[2,1]*y[2,t-1] + x[t,.]*b + e[2,t]
The error terms (e[1,t] and e[2,t]) are not individually serially
correlated, but they are contemporaneously correlated with each other.
The variance-covariance matrix is sig.

zhaomn200145 发表于 2012-3-3 10:26
recserar命令可以生成AR（1）过程。
Example n = 10;
fn multnorm(n,sigma) =

非常感谢~~~但这个是生成模型吧？我想问的是如何对已有数据做AR(1)模型的估计……

再求一次～作业要求……着急中～

janet0758 发表于 2012-3-6 14:10
再求一次～作业要求……着急中～

与截面数据时的OLS估计是一样的。

比如y是一个序列，y_1是y的一阶滞后。

X=ones(rows(y),1)~y_1;
b=inv(X'*X)*X'*y;
方差等其它略。

iooo 发表于 2012-3-6 14:23
与截面数据时的OLS估计是一样的。

比如y是一个序列，y_1是y的一阶滞后。

非常感谢……但貌似y的一阶滞后用的是lag1（y）?

当然也可以使用mle做。
library optmum;
t=1000;phi0=2;phi1=0.8;sig2 = 10;
ymat=zeros(t,1);
ymat[1]=rndn(1,1)*sqrt(sig2/(1-(phi1)^2))+(phi0/(1-phi1)); @y的第1个观测值@
i=2;do until i>t;
        ymat[i]=phi0+phi1*ymat[i-1]+rndn(1,1)*sqrt(sig2); @数据生成过程@
i=i+1; endo;

prmtr_in=0.5|0.75|ln(10.5); @参数初值@
{xout, fout, cout, gout}=optmum(&lik_f, prmtr_in);@ optmum模块，参考第5章的附录@
prm_fnl=trans(xout); @参数的转换@
cov=inv(hessp(&lik_f, xout)); @协方差矩阵@
grad=gradfd(&trans, xout); @梯度向量@
cov_fnl=grad*cov*grad'; @参数的协方差矩阵@
stde=sqrt(diag(cov_fnl)); @参数的标准差@
t_val=prm_fnl./stde; @参数的t统计量@
"The initial values are";;prmtr_in';
"Likelihood Values";;-fout;
"Estimated parameters before trans are";;xout';
"Estimated parameters after trans are";;prm_fnl';
"T-values are";;t_val';
"grad are";;grad';

proc lik_f(prmtr0);
local prmtr, phi_0, phi_1, ssig2, lnl, itr, et, lnf;
prmtr=trans(prmtr0); phi_0=prmtr[1]; phi_1=prmtr[2];
ssig2=prmtr[3];
lnl=0; @设置似然函数的初值@
itr=2; do until itr>t;
          et=ymat[itr]-phi_0-phi_1*ymat[itr-1];
          lnf=-0.5*ln(2*pi*ssig2)-0.5*((et^2)/ssig2); @似然函数@
          lnl=lnl+lnf;
itr=itr+1; endo;
retp(-lnl);
endp;
proc trans(prmtr1); @参数的转换过程@
local prmtr;
prmtr=prmtr1;
prmtr[2]=prmtr1[2]/(1+abs(prmtr1[2]));
prmtr[3]=exp(prmtr1[3]); @初值是对数，转换@
retp(prmtr);
endp;