我正在寻找一个基于Python或Matlab的软件包，它可以估计以下模型的参数：
的数据在最初的论文中，他们引用了Koop的this代码。我遇到的问题是，这个程序以及来自Python的statsmodel的标准包估计了以下形式的DFM：
的与本文中的模型不同的是，如果我们有两个因素，那么A_1是二维的，但在我想要估计的模型中，我们只想估计a_11并假设a_12 = 0。有没有一个软件包可以估计这样的模型？
hgc7kmma1#
在Statmodels中有两种方法可以做到这一点，尽管每种方法都有权衡：(1)如果你对误差项有1个滞后（即如果可以让e（i，t）= \phi（i，1）e（i，t-1）+ u（i，t），从你链接的“模型”方程中），那么你可以使用DynamicFactorMQ类。对于两个独立演变的因子，可以使用以下公式：
DynamicFactorMQ
mod = sm.tsa.DynamicFactorMQ(y, factors=['f1', 'f2'], factor_orders={'f1':1, 'f2':1}, idiosyncratic_ar1=True) res = mod.fit()
字符串有关factors和factor_orders参数如何工作的更多详细信息，请参阅此处。基本上，通过指定factor_orders={'f1':1, 'f2':1}而不是factor_orders={('f1', 'f2'):1}（如果不指定任何内容，则为默认值），因子将单独演化（与对角A矩阵相同）。(2)否则，如果你没有太多的左侧变量，你可以使用带有固定参数的DynamicFactor类：
factors
factor_orders
factor_orders={'f1':1, 'f2':1}
factor_orders={('f1', 'f2'):1}
DynamicFactor
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()
型在本例中，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，上面选项（1）中的DynamicFactorMQ类更健壮，可能是更好的选择。
mod.fix_params({'L1.f2.f1': 0, 'L1.f1.f2': 0})
fix_params
1条答案
按热度按时间hgc7kmma1#
在Statmodels中有两种方法可以做到这一点，尽管每种方法都有权衡：
(1)如果你对误差项有1个滞后（即如果可以让e（i，t）= \phi（i，1）e（i，t-1）+ u（i，t），从你链接的“模型”方程中），那么你可以使用
DynamicFactorMQ类。对于两个独立演变的因子，可以使用以下公式：字符串
有关
factors和factor_orders参数如何工作的更多详细信息，请参阅此处。基本上，通过指定factor_orders={'f1':1, 'f2':1}而不是factor_orders={('f1', 'f2'):1}（如果不指定任何内容，则为默认值），因子将单独演化（与对角A矩阵相同）。(2)否则，如果你没有太多的左侧变量，你可以使用带有固定参数的
DynamicFactor类：型
在本例中，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，上面选项（1）中的
DynamicFactorMQ类更健壮，可能是更好的选择。