VAR估计中的估计残差（vars包）

Question

我目前正在估计一个VAR模型，然后估计广义脉冲响应函数。要获得这些的标准误差，我需要先进行一些自助法。

此过程始于“估计VAR模型的参数并提取估计残差，表示为Ût。”

现在，我正在使用vars软件包来估计我的VAR模型，如下所示：

varendoA<-data.frame(value_ts,value2_ts, price_ts, price2_ts)
library(vars)
fitvar<- VAR(varendo, type = c("both"), season = christmas, lag.max = 12,ic = c("AIC"))
summary(fitvar)

该模型包含5个变量，104个观测值，趋势、常数和圣诞节期间的虚拟变量，并输出带有5个滞后的结果。

现在，当我想要提取其残差 residuals(fitvar)时，我会得到每个变量99个数字的列表。

我应该使用这些残差生成自助残差（从获得的残差中随机抽样替换），并将其与估计方程一起使用以生成新的自助时间序列，以重新估计VAR和IRFs（最终获得我的估计的SE）。

由于我应该按以下方式递归计算新的时间序列：

我应该得到每个变量的104个残差列表，而不是99个吗？我对整个生成过程有点困惑。

非常感谢任何帮助。

- User23

Answer 1

在自回归（AR）模型中，变量使用变量的过去值的线性组合进行预测。由于您设置了lag.max = 12，因此您允许VAR选择使用最多12个滞后值作为预测变量的模型。

由于您的模型使用了5个滞后值，VAR无法将值拟合到变量的前5个观测值。这是因为这前5个观测值被用来将一个值拟合到第6个观测值。因此，残差数目将是观测数目减去AR模型阶数。

- Matt Sandgren