MXL20 Model

#

# MXL20 Model

#

# Measurement Matrix 

#     EN.ATM.CO2E.KT EG.USE.COMM.KT.OE NY.GDP.MKTP.KD SL.TLF.TOTL.IN

#[1,]          0.415            0.4179          0.414          0.414

#[2,]         -0.118           -0.0828         -0.292         -0.212

#[3,]          0.722            0.2918         -0.168         -0.561

#    SP.POP.TOTL SL.UEM.TOTL.ZS

#[1,]       0.419          0.368

#[2,]      -0.106          0.915

#[3,]      -0.208         -0.088

#

# Fraction of Variance 

#[1] 0.944 0.990 0.996 0.999 1.000 1.000

#

AIC <- function(model) {informationTestsCalculations(model)[3]}

require(dse)

require(matlab)

f <- matrix( c(0.995795312, -0.04389221, -0.04932056, 0.156110138,

                    -0.005125015,  0.78449230,  0.22102034, 0.010643033,

                     0.003185682,  0.03419264,  0.87541039, 0.004387268,

0.00000000,  0.0000000,  0.0000000,  1.0000000000

),byrow=TRUE,nrow=4,ncol=4)

h <- eye(3,4)

k <- (f[,1:3,drop=FALSE])

MXL20 <- SS(F=f,H=h,K=k,z0=c( 0.156110138, 0.010643033, 0.004387268,  1.0000000000),

              output.names=c("MX1","MX2","MX3"))

print(MXL20)

is.SS(MXL20)

stability(MXL20)

# tfplot(simulate(MXL20,sampleT=100))

MXL20.data <- simulate(MXL20,sampleT=20,noise=matrix(0,20,3))

MXL20.f <- forecast(l(MXL20,MXL20.data),horizon=50)

tfplot(MXL20.f)

AIC(l(MXL20,MXL20.data))

shockDecomposition(toSSChol(MXL20))

#

# Bootstrap Confidence Intervals

#

 #            LCI Parameter      UCI P>=T[1] P< T[1] Std. Dev.

# [1,]  0.9795349  0.995795 1.011657    0.44    0.56  0.012788

# [2,] -0.0168112 -0.005125 0.005832    0.41    0.59  0.009914

# [3,]  0.0003689  0.003186 0.005392    0.35    0.65  0.001994

# [4,] -0.1155554 -0.043892 0.021746    0.55    0.45  0.055272

# [5,]  0.6820285  0.784492 0.859303    0.44    0.56  0.071999

# [6,]  0.0148318  0.034193 0.056536    0.56    0.44  0.018544

# [7,] -0.2092470 -0.049321 0.125905    0.41    0.59  0.138963

# [8,]  0.0627268  0.221020 0.453386    0.41    0.59  0.149187

# [9,]  0.8134918  0.875410 0.922576    0.38    0.62  0.040374

#[10,]  0.1456560  0.156110 0.169613    0.88    0.12  0.010703

#[11,] -0.0146558  0.010643 0.037577    0.50    0.50  0.019989

#[12,] -0.0027028  0.004387 0.011754    0.45    0.55  0.005313

#