Lernressourcen
Tutorials
Videos
4882

Time Series MT

Time Series MT ist ein Modul für Gauss, welches sich speziell für Zeitreihenmodelle eignet. Es enthält Routinen zur Diagnose von Modellen und ist in der Lage Maximum-Likelihood-Schätzungen (MLE) und Prognosen zu erstellen. Weiterhin kann das Modul Time Series MT für die Paneldatenanalyse mit zufälligen und systematischen Effekten eingesetzt werden und erlaubt die Verwendung von unbalancierten Paneldaten.

Highlights

  • Kleinste-Quadrate-Dummy-Variablen-Modell für multivariate Daten mit Bias-Korrektur der Parameter
  • Hamilton's Regime-Switching-Regressionsmodell
  • Saisonale VARMAX-Modelle
  • Zeitreihen-Querschnitts-Regressionsmodelle
  • Gewichtete Maximum-Likelihood-Modelle
  • Thread-safe
  • Strukturierte Ausgabe
  • ARIMA-Modell-Schätzung und -Prognosen
  • Exakte Maximum-Likelihood-Schätzung mit voller Information für VARMAX-, VARMA-, ARIMAX- und ECM-Modelle
  • Standard-Zeitreihen-Diagnosetests, einschließlich Einheitswurzeltests, Kointegrationstests und Lag-Selektionstests

Features

Features

Univariate Zeitreihenmodelle

Modelle mit bedingtem Mittelwert

  • Autoregressiver gleitender Mittelwert (ARMA)
  • Saisonaler autoregressiver gleitender Mittelwert (SARMA)
  • Autoregressiver gleitender Mittelwert mit exogenen Variablen (ARMAX)
  • Autoregressiver integrierter gleitender Mittelwert (ARIMA)
  • Saisonaler autoregressiver integrierter gleitender Mittelwert (SARIMA)

Modelle mit bedingter Varianz

  • Verallgemeinerte autoregressive bedingte Heteroskedastizität (GARCH)
  • GARCH mit einer Einheitswurzel (IGARCH)
  • GARCH mit asymmetrischen Effekten (GJRGARCH)
  • GARCH-in-mean (GARCHM)

Multivariate Zeitreihenmodelle

Modelle mit bedingtem Mittelwert

  • Vektorieller autoregressiver gleitender Mittelwert (VARMA)
  • Vektorieller autoregressiver gleitender Durchschnitt mit exogenen Variablen (VARMAX)
  • Saisonaler vektorautoregressiver gleitender Mittelwert (SVARMA)
  • Saisonaler vektorautoregressiver gleitender Durchschnitt mit exogenen Variablen (SVARMAX)
  • Vektorielle Fehlerkorrekturmodelle (VECM)

Paneldaten und andere Modelle

  • Modelle mit festen Effekten und zufälligen Effekten (TSCS)
  • Kleinste-Quadrate-Dummy-Variable (LSDV)
  • Kalman-Filter für die Zustandsraum-Modellierung

Nichtlineare Zeitreihenmodelle

  • Wechselnde Regression
  • Strukturelle Bruchmodelle
  • Schwellenwert-Autoregressionsmodelle (TAR)

Parameter-Instabilitätstests

  • Chow-Prognose
  • CUSUM-Test auf Gleichheit der Koeffizienten
  • Hansen-Nymblom-Test
  • Rollierende Regressionen

Einheitswurzel- und Kointegrationstests

  • Erweiterter Dickey-Fuller-Test
  • Breitung- und Das-Test
  • Im-Pesaran-Shin-Test (IPS)
  • Johansen-Test und maximale Eigenwertstatistik
  • Levin-Lin-Chu-Test (LLC)
  • Phillips-Perron-Test
  • Zivot- und Andrews-Test

Modellauswahl und -bewertung

  • Akaike-Informationskriterium (AIC)
  • Bereinigtes R-Quadrat
  • Schwartz Bayes'sches Informationskriterium (BIC)
  • Kwiatkowski-Phillips-Schmidt-Shin (KPSS)
  • Likelihood-Verhältnis-Statistik (LRS)
  • Multivariate Portmanteau-Statistik
  • Wald-Statistik Friedman-, Frees- und Pesaran-Tests für Querschnittsunabhängigkeit in Paneldatenmodellen