对结构VAR模型中不同时刻随机变量建立有向非循环图(DAG),要检验随机变量之间的条件独立性,然后再对存在的相依联系确定方向。
1.线性结构VAR模型和线性广义条件独立图的定义
根据DAG的定义,并不是所有的VAR模型的因果相依联系都可以用DAG表示,首先提出线性结构VAR模型的定义。设是一个k维时间序列,是一个k维白噪声序列。
线性结构VAR模型 设k维时间序列由满足下面条件的p阶线性结构VAR模型产生:,
式中是的常数矩阵。
条件1:是相互独立的,
条件2:存在和,满足表示矩阵的第行第列元素。
条件3:不存在指标序列,使都非零。
则k维时间序列的因果相依联系可以表示为DAG,成为当前变量或同期变量,称为滞后变量。
考虑到研究的主要目的是进行结构VAR模型的辨识,因此在建立图模型时只考虑两类联系:当前变量和滞后变量之间的联系及当前变量之间的联系.以检验和之间的条件独立性为例,理论上需要去掉所有其他随机变量的影响。在实际应用中,由于样本量的局限性,只需要考虑变量集中除和外所有其他变量对和的影响,其中为预先确定的正整数,满足对,是独立的
首先构造向量.
在给定的条件下,和之间线性相依联系的度量为线性条件互信息
令分别表示随机向量,,,的协方差矩阵,则在给定的条件下,和之间线性相依联系的度量为线性条件互信息为
设k维时间序列为p阶线性结构VAR模型,考虑图,定义顶点集为,其中表示随机变量,用表示随机变量
边集满足以下关系:
,时,
称图为结构VAR(p)的线性广义条件独立图。
线性条件互信息是条件相依联系的一个无界度量,,这里用线性条件互信息的一个变换容易推出
设图是结构VAR(p)模型的线性广义条件独立图,则以下关系成立,当时,.
2.结构VAR模型的线性相依联系检验
设得到一组由结构VAR模型产生的观测样本,要建立表示样本产生过程的线性条件独立图模型。两个顶点之间没有边相连等价于。因此将条件独立图中边的存在性转化为检验是否为0.即,
的估计可由协方差矩阵的最大似然估计计算得到
当样本量时,,即估计是相合的。
设得到k维时间序列的n个初始样本。将个初始样本记为。设第i个置换样本为,则.
检验结构VAR模型变量之间直接线性相依联系的步骤如下。
1.计算初始序列的统计量取值,其中,当时,.
2.产生置换样本
3.计算序列的检验统计量取值,记为
4.步骤2~3重复B次,产生B个,其中B表示得到的置换样本个数。
5.计算检验的单边显著性概率,式中,表示根据B个置换样本计算的的个数。
6.对选定的显著性水平,如果,则拒绝的原假设。
计算出所有的.得到LGCIG。