statsmodels.tsa.regime_switching.markov_regression.MarkovRegression¶

class statsmodels.tsa.regime_switching.markov_regression.MarkovRegression(endog, k_regimes, trend='c', exog=None, order=0, exog_tvtp=None, switching_trend=True, switching_exog=True, switching_variance=False, dates=None, freq=None, missing='none')[source]¶

一阶k-机制马尔可夫切换回归模型

Parameters:¶

endogarray_like

内生变量。

k_regimesint

体制的数量。

trend{‘n’, ‘c’, ‘t’, ‘ct’}

是否包含趋势。要包含截距、时间趋势或两者，请设置trend='c'、trend='t'或trend='ct'。如果不包含趋势，请设置trend='n'。默认是截距。

exogarray_like, optional

外生回归变量的数组，形状为 nobs x k。

orderint, optional

模型的顺序描述了似然函数对先前状态的依赖性。这取决于所讨论的模型，并且应由子类适当地设置。

exog_tvtparray_like, optional

用于计算时间变化转移概率（TVTP）的外生或滞后变量的数组。仅当提供此变量时，才使用TVTP。如果需要截距，则必须在此数组中显式包含一列1。

switching_trendbool or iterable, optional

如果是一个布尔值，设置是否所有趋势系数在不同制度下切换。如果是一个可迭代对象，应该与趋势变量的数量相等，其中每个元素是一个布尔值，描述相应的系数是否切换。默认是 True。

switching_exogbool or iterable, optional

如果是一个布尔值，设置是否所有回归系数在不同状态之间切换。如果是一个可迭代对象，应该与外生变量的数量相等，其中每个元素都是一个布尔值，描述相应的系数是否切换。默认值为True。

switching_variancebool, optional

是否存在特定体制的异方差性，即误差项是否具有切换方差。默认值为False。

Attributes:¶

endog_names

内生变量的名称。

exog_names

外生变量的名称。

k_params

(int) 模型中的参数数量

param_names

(list of str) 人类可读的参数名称列表（用于参数）

start_params

(数组) 最大似然估计的初始参数。

注释

此模型是新的，API稳定性未得到保证，尽管如果可能的话，更改将以向后兼容的方式进行。

该模型可以写为：

\[\begin{split}y_t = a_{S_t} + x_t' \beta_{S_t} + \varepsilon_t \\ \varepsilon_t \sim N(0, \sigma_{S_t}^2)\end{split}\]

即模型是一个动态线性回归，其中系数和误差项的方差可能在不同状态之间切换。

通过在 exog 数组前添加列来适应 trend。因此，如果 trend='c'，传递的 exog 数组不应已经包含一列全为1的列。

请参阅笔记本 马尔可夫切换动态回归 以获取概述。

参考文献

金昌镇和查尔斯·R·纳尔逊。1999年。 “带有状态转换的状态空间模型： 经典和吉布斯采样方法及其应用”。 麻省理工学院出版社书籍。麻省理工学院出版社。

方法

filter(参数[, 转换, 协方差类型, ...])	应用汉密尔顿滤波器
fit([start_params, transformed, cov_type, ...])	通过汉密尔顿滤波器以最大似然法拟合模型。
from_formula(公式, 数据[, 子集, 删除列])	从公式和数据框创建模型。
hessian(params[, transformed])	似然函数的Hessian矩阵，在给定参数处求值
information(params)	模型的费舍尔信息矩阵。
initial_probabilities(params[, ...])	检索初始概率
initialize()	初始化（可能重新初始化）一个模型实例。
initialize_known(概率[, 容差])	设置状态概率的初始化以使用已知值
initialize_steady_state()	将制度概率的初始化设置为稳态值
loglike(参数[, 转换])	对数似然评估
loglikeobs(params[, transformed])	每个时期的对数似然评估
predict(params[, start, end, probabilities, ...])	样本内预测和样本外预测
predict_conditional(params)	样本内预测，基于当前状态
regime_transition_matrix(params[, exog_tvtp])	构建左随机转移矩阵
score(params[, transformed])	在参数处计算得分函数。
score_obs(params[, transformed])	计算每个观测值的得分，在参数处进行评估
smooth(params[, transformed, cov_type, ...])	应用Kim平滑器和Hamilton滤波器
transform_params(无约束)	将优化器使用的无约束参数转换为似然评估中使用的约束参数
untransform_params(constrained)	将似然评估中使用的约束参数转换为优化器使用的无约束参数

属性

endog_names	内生变量的名称。
exog_names	外生变量的名称。
k_params	(int) 模型中的参数数量
param_names	(list of str) 人类可读的参数名称列表（适用于模型中实际包含的参数）。
start_params	(数组) 最大似然估计的初始参数。