Multivariate Modelling of Non-Stationary Economic Time Series

این کتاب سری‌های زمانی متعارف را در زمینه داده‌های ثابت قبل از بحث در مورد هم‌جمعی، با تمرکز بر مدل‌های چند متغیره بررسی می‌کند. نویسندگان با در نظر گرفتن تصحیح نمونه کوچک، نوسانات و تأثیر مرتبه های مختلف ادغام، مطالعه مفصل و گسترده ای از پاسخ های ضربه ای و پیش بینی در زمینه ثابت و غیر ثابت ارائه می دهند. مدل‌های دارای انتظارات همراه با روش‌های جایگزین مانند آنالیز طیف منفرد (SSA)، فیلتر کالمن و سری‌های زمانی ساختاری، همه در رابطه با هم‌انجمادی در نظر گرفته می‌شوند. بورک، هانتر و کانپا با استفاده از روش‌های معادلات منفرد برای توسعه موضوعات، و به عنوان مثال‌هایی از مفهوم هم‌جمعی، جهت و راهنمایی را به ادبیات گسترده‌ای که اکنون دانشجویان و اقتصاددانان فارغ‌التحصیل دارند، ارائه می‌دهند.

This book examines conventional time series in the context of stationary data prior to a discussion of cointegration, with a focus on multivariate models. The authors provide a detailed and extensive study of impulse responses and forecasting in the stationary and non-stationary context, considering small sample correction, volatility and the impact of different orders of integration. Models with expectations are considered along with alternate methods such as Singular Spectrum Analysis (SSA), the Kalman Filter and Structural Time Series, all in relation to cointegration. Using single equations methods to develop topics, and as examples of the notion of cointegration, Burke, Hunter, and Canepa provide direction and guidance to the now vast literature facing students and graduate economists.