多变量时间序列 - 在 IRF 的一个变量后拆分答案

【问题标题】：Multivariate time series - splitting after one variable for IRF多变量时间序列 - 在 IRF 的一个变量后拆分
【发布时间】：2017-11-11 08:23:04
【问题描述】：

我有一个阈值 VAR。由于非线性 irf 在 R 中是不可能的，我想用 IRF 来解决它。

以下是我的多元时间序列的代码，然后是 TVAR

complete=ts.intersect(GDPdiff2,Inflationdiff2,Euribordiff2,CISSdiff2)

tvarcomplete= TVAR(complete, lag=4, nthresh=1, thDelay=1, thVar=complete[,1], trim=0.15)

我想将具有 4 个变量的现有时间序列分为两部分（一个 VAR 具有所有实际 GDP 增长 > 0 的变量的值，一个具有

   SPLITGDPup <- complete[(GDPdiff2>(0))]

没用。

【问题讨论】：

让其他人更容易帮助你：请提供一个最小的可重现示例；阅读here了解更多详情

标签： r var tvar

【解决方案1】：

我对您的问题有两个部分的答案：(1) 我将向您展示如何正确地对complete 进行子集化，(2) 我将为您指出非线性 VAR 的脉冲响应函数的资源。

子集多元时间序列

您尝试对complete 进行子集化的方式存在几个问题：(1) 您实际上是在对矩阵进行子集化，就像它是一个向量一样，(2) 您使用的是长度为 length(GDPdiff2) 的逻辑向量当你想要一个长度为nrow(complete) 的逻辑向量时。为了说明，我先做一些示例数据，因为您没有提供您的数据：

# set the seed for reproducibility
set.seed(123)
# make example data
ts1 <- ts(rnorm(10))
ts2 <- ts(rnorm(8))
complete <- ts.intersect(ts1, ts2)
complete

Time Series:
Start = 1 
End = 8 
Frequency = 1 
          ts1        ts2
1 -0.56047565  1.2240818
2 -0.23017749  0.3598138
3  1.55870831  0.4007715
4  0.07050839  0.1106827
5  0.12928774 -0.5558411
6  1.71506499  1.7869131
7  0.46091621  0.4978505
8 -1.26506123 -1.9666172

现在我们将尝试像您一样对其进行子集化：

# attempt to subset like yours
complete[ts1 > 0]

[1]  1.55870831  0.07050839  0.12928774  1.71506499  0.46091621 -0.55584113
[7]  1.78691314  0.49785048 -1.96661716

这导致了向量而不是矩阵。为什么？来自 Hadley Wickham 的Advanced R：

由于矩阵和数组是作为具有特殊属性的向量实现的，因此您可以使用单个向量对它们进行子集化。在这种情况下，它们的行为就像一个向量。

此外，它从complete 的第二列中提取的元素不会与第一列的正元素对齐。为什么？让我们看看您将用于子集的逻辑向量：

ts1 > 0
[1] FALSE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE FALSE

有 10 个元素，而 complete 只有 8 行，因为您使用了 ts.intersect，它只给出完整的案例（ts2 的观察次数少于 ts1）。这两个问题的结合是您的子集设置策略不起作用的原因。正确的做法如下：

complete[complete[, 'ts1'] > 0, ]

            ts1        ts2
[1,] 1.55870831  0.4007715
[2,] 0.07050839  0.1106827
[3,] 0.12928774 -0.5558411
[4,] 1.71506499  1.7869131
[5,] 0.46091621  0.4978505

或者，如果您知道并且更愿意使用列号：

complete[complete[, 1] > 0, ]

            ts1        ts2
[1,] 1.55870831  0.4007715
[2,] 0.07050839  0.1106827
[3,] 0.12928774 -0.5558411
[4,] 1.71506499  1.7869131
[5,] 0.46091621  0.4978505

TVAR 的脉冲响应函数

我会提醒您在做出诸如“因为非线性 irf 在 R 中是不可能的”之类的声明之前，请先进行更多的谷歌搜索。在 R 中几乎所有事情都是可能的，而且由于 R 社区很棒，如果你知道去哪里看，那么很多你想做的事情（关于现存的统计方法）已经被别人实现了.

在您的情况下，如果您查看过GitHub repository for the package you're using，您会发现虽然a generalized impulse response function hasn't been implemented in the tsDyn package，但其中一位作者已经为它编写了代码，您可以找到here 为TVAR 结果执行此操作.

【讨论】：