VAR估计的残差估计（vars包）

Question

我目前正在估计VAR模型，然后估计广义脉冲响应函数。要获得那些SE，我应该先做一些自举。

此过程从“估计VAR模型的参数并提取估计残差开始，表示为Ût。”

现在，我正在使用vars包估算我的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，包含104个观测值，一个趋势，常数和一个圣诞节假人，并输出一个5滞后的结果。

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

我应该使用这些残差来生成自举残差（从获得的残差中随机抽取）并将其与估计的方程一起使用以生成新的自举时间序列，以重新估计VAR和IRF（以及最终为我的估计获得SE）。

因为我应该递归计算新的时间序列如下：

我不应该得到每个变量104个残差的列表而不是99个？我对整个生成过程有点困惑。

任何帮助都不仅仅是值得赞赏的。

Answer 1

在自回归（AR）模型中，使用变量的过去值的线性组合来预测变量。由于您已设置lag.max = 12，因此您允许VAR选择最多使用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，VAR无法使值适合您变量的前5个观察值。这是因为前5个观测值用于拟合第6次观测的值。因此，残差数量将是观察数量减去AR模型订单。