精华内容
下载资源
问答
  • R语言实现PVAR(面板向量自回归模型)

    万次阅读 多人点赞 2019-06-05 20:16:00
    这次研究了一个问题,要用PVAR(面板向量自回归模型),在网上找的教程基本上都是Stata或者Eviews的教程,而鲜有R实现PVAR的教程,这里总结分享一下我摸索的PVAR用R实现的整个过程。 ...

    这次研究了一个问题,要用PVAR(面板向量自回归模型),在网上找的教程基本上都是Stata或者Eviews的教程,而鲜有R实现PVAR的教程,这里总结分享一下我摸索的PVAR用R实现的整个过程。码字不易,喜欢请点赞!!!谢谢

    使用R来实现PVAR用到的包是panelvar,panelvar的文档下载链接:

    https://cran.r-project.org/web/packages/panelvar/panelvar.pdf
    

    1.数据样式
    在这里插入图片描述
    其中Code和Date两列是面板时间序列索引。

    2.使用plm包的pdata.frame将dataframe数据转成面板dataframe

    library(plm)
    ##使用pdata.frame()函数将外部读取的数据转换为plm包可以识别的面板格式,
    ##使用index参数标记名为Code和Date的列,分别对应股票代码和时间
    pdata=pdata.frame(data,index=c("Code","Date"))
    

    3.面板数据平稳性检验

    ##使用plm包中的purtest()进行面板数据的平稳性检验。
    ##其中,参数object设定待检验变量;
    ##exo参数设定是否包含截距项(intercept)和趋势项(trend);
    ##test参数定义面板平稳性检验的方法;
    ##lags参数定义信息准则,使用“AIC”和“SIC”进行定义;
    ##pmax参数定义最大滞后期;
    purtest(object=pdata[,3],exo="intercept",test="ips",lags="AIC",pmax=10)
    

    平稳性检验结果若p值小于0.05,则表示平稳

    4.使用panelvar包的pvargmm函数进行GMM-PVAR分析以及确定最优滞后期

    library(panelvar)
    ##data参数定义数据集;
    ##dependent_vars参数定义内生变量;
    ##exog_vars参数定义外生变量;
    ##lags参数定义滞后期; 
    ##transformation参数定义GMM模型的类型,包括水平模型和差分模型(First-difference "fd" or forward orthogonal deviations "fod");
    ##steps参数定义GMM模型的估计程序,包括一步估计、两步估计和多步估计;
    ##max_instr_dependent_vars以及 max_instr_predet_vars定义GMM模型工具变量的滞后期,我们按照面板GMM的常规设置,设为99期。
    gmmlag = pvargmm(dependent_vars=c("sentiment","heat","Guba","XQ","BCI"),data=pdata,lags=5,exog_vars=c("Count","Value"),
                    transformation="fd",steps="twostep",max_instr_dependent_vars=99)
    

    注:一般VAR和SVAR都是先确定最优滞后阶数然后再进行模型模拟,但是R使用panelvar包实现PVAR时,需要先使用模型模拟,然后使用Andrews_Lu_MMSC函数计算模型拟合结果的AIC、BIC、HQIC值,从而比较不同滞后阶数的准则值来得到最优滞后阶数。

    Andrews_Lu_MMSC(gmmlag)
    

    5.模型估计结果过度识别检验

    ##原假设:工具变量是外生的。
    ##若拒绝原假设,则说明存在工具变量与扰动项相关。
    hansen_j_test(gmmlag)
    

    6.稳定性检验

    stability(gmmlag)
    

    7.脉冲响应分析

    ##使用oirf()函数进行脉冲响应分析
    oirf(gmmlag,n.ahead=10)
    
    展开全文
  • PVAR模型是用于面板数据分析的VAR模型,即Panel-VAR。本篇文章主要先介绍一下PVAR的模型结构以及相关的组成,文章结构如下1.介绍pvar的数学结构式2.介绍pvar的最优滞后阶数(时间序列必经操作)3.介绍pvar模型的稳定性...

    PVAR模型是用于面板数据分析的VAR模型,即Panel-VAR。

    本篇文章主要先介绍一下PVAR的模型结构以及相关的组成,文章结构如下1.介绍pvar的数学结构式2.介绍pvar的最优滞后阶数(时间序列必经操作)3.介绍pvar模型的稳定性检验4.介绍格兰杰因果检验(证明是A导致B,而不是B导致A)5.介绍脉冲响应函数(将故事看脉冲反应函数)6.介绍方差分解结果

    接下来还会有几篇接着讲PVAR,主要是介绍PVAR如何进行实例操作。

    520a4486271920547f44e7b4c560fb74.png
    c6e0f7fa5768191cc286b71f8e3e2a4a.png
    e45ed9dc580c5ab51d1a0981c94f2565.png
    e19aef0e0b219a669c327a3c31355d8d.png
    8394caae87f64ee61093f6db77e2dde2.png
    f07060a2b3dd43fbc502255ba6ed246c.png
    cdc67cb2127ce55c3f49fbd0b8a53539.png
    a8df8270dbd86a86772450651bb960f6.png
    判断规则:(1) 选择 AIC, BIC 或 HQIC 值最小的模型(2) 但三者不一致时, BIC/HQIC 倾向于选择比较精简的模型AIC 倾向于选择比较“丰满”的模型。通常,BIC/HQIC 优于 AIC(3) 有时也不能完全依赖上述准则, 需要做一些人为判断 
    fb87caa49e173bc9f9a770c00d56f2c3.png
    1.Levin et al. (2002) 指出,该方法允许不同截距和时间趋势,异方差和高阶序列相关,适合于中等维度(时间序列介于25~250 之间,截面数介于10~250 之间) 的面板单位根检验。对于研究宏观经济的人而言,单根通常都须考虑。2.严格意义来讲,面板数据都是需要单位根检验的。但有时当时间期限较短、而截面较多的面板数据(比如T=3、N=30),由于时间期间较短,趋势一般不会很明显,可以不进行单位根检验。
    8677fdeddbfa974e338b18f9647160d7.png
    1.如果基于单位根检验的结果发现变量之间是同阶单整的,那么我们可以进行协整检验。协整检验是考察变量间长期均衡关系的方法。所谓的协整是指若两个或多个非平稳的变量序列,其某个线性组合后的序列呈平稳性。此时我们称这些变量序列间有协整关系存在。因此协整的要求或前提是同阶单整。2.含义:指两个没有因果关系的时间序列之间,基于一些其他的外在因素,推断出因果关系。例如:事件C导致事件A和事件B,如果在A和B之间进行回归分析,则容易推断出A和B之间存在因果关系的错误结论。
    f00dd6159279098f17ea2cf5f2a6c2b3.png
    1.先做单位根检验,看变量序列是否平稳序列,若平稳,可构造回归模型等经典计量经济学模型;若非平稳,进行差分,当进行到第i次差分时序列平稳,则服从i阶单整(注意趋势、截距不同情况选择,根据P值和原假设判定)。2.若所有检验序列均服从同阶单整,可构造VAR模型,做协整检验(注意滞后期的选择),判断模型内部变量间是否存在协整关系,即是否存在长期均衡关系。如果有,则可以构造VEC模型或进行Granger因果检验,检验变量之间“谁引起谁变化”,即三者之间的关系为因果关系。
    eaa99288d43c5a98e71e8b7af0c63cea.png
    1.格兰杰因果不是真正的因果,是统计学意义上的因果关系
    222431c58bd1d5593e9fd88ceb23a5b0.png
    1.回归检验式(因此不能是非平稳的,而且要通过协整检验)2.单纯的脉冲响应函数需要扰动项的协方差矩阵保证是对角阵才能保证eit的变化同时其他的同期扰动项不变化,所以需要正交化的冲击反应函数。
    0bd332c73a40d5c956c16e5970b56c1f.png
    ad47caf2a184b81df44d2dbaef8aa6f1.png
    1.脉冲响应函数反映了随机扰动项(随机误差项)的冲击对其他变量带来的动态影响,是一种短、中期关系(可以统一说是短期关系),而协整检验反映的是变量之间的长期关系(为负),长期均衡关系的存在,就是把短期的不均衡逐渐拉回,也就是说短期存在着偏离的状况,  脉冲体现对冲击的反应 ,可能短期内会为负,也可为正,但短期过后要有上升趋势。对应差分分解贡献,如果 长期均衡存在负相关,相应的差分分解,在短期内是上升,随后贡献率会出现缓慢下降趋势。
    283241beeb1cd62f5edf0d2d07a224d5.png
    3261115f755a210d8e96c6081eba30b3.png
    展开全文
  • 在知网上关于经济学研究论文的实证分析部分,涉及时间序列大多运用的是VAR模型,但对于拟合现实情况以及对模型的解释上来看,就会...PVAR模型理论以及适用性 Holtz-Eakin(1987)最早利用利用PVAR模型分析面板数据...

    882ac32bfe543b53f627e1a08760c9d5.png

    在知网上关于经济学研究论文的实证分析部分,涉及时间序列大多运用的是VAR模型,但对于拟合现实情况以及对模型的解释上来看,就会显得单一和理想化。若时间跨度又不长的情况下,运用VAR模型就是致命的,因为数据太少了,大大增加了论文结果的误差,同时会让答辩老师觉得你的论文就是在瞎掰。


    PVAR模型理论以及适用性

    Holtz-Eakin(1987)最早利用利用PVAR模型分析面板数据的内生性变量之间的互动关系,其研究的是面板数据的向量自回归模型,即将所有的变量统一视为内生变量,分析各个变量及其滞后项之间的关系。PVAR模型利用面板数据既能够有效解决个体异质性问题,又能够充分考虑个体和时间效应。

    PVAR模型一般表现为

    ,其中i,t表现为区域和时间,j为滞后期,
    为个体效应,
    为时间效应,
    为随机扰动项。

    在实证分析中面板数据包含了更多时间的维度的数据,可以利用更多的信息进行分析研究问题的动态关系,同时能够通过截距项来捕捉数据动态调整过程中的个体差异,有效减少了数据产生的偏误。面板数据具有时间和截面空间的两个维度,从而分享了横截面数据和时间序列数据的优点,另外,由于具有更多的观察值,其推断的可靠性也有所增加。

    PVAR 继承了 VAR 模型的优点,将研究变量视为内生变量,并将每一个内生变量作为系统中所有内生变量滞后值的函数,提供丰富的结构从而捕获数据的更多特征。此外,PVAR 模型允许数据中存在的个体效应与异方差性,由于大量截面数据的存在,模型允许滞后系数随时间变化,放松了数据的时间平稳性要求。


    PVAR模型的建立步骤

    caebf0aca2201dfc46b3de0246eb65dd.png

    PVAR模型的STATA步骤

    step 1:打开数据-调整格式

    例如:

    import excel D:Stata15paperPVAR.xlsx,sheet("Sheet1")firstrow
    save D:Stata15paperPVAR.dta,replace
    cd d:Stata15paper
    use PVAR.dta,clear

    在PVAR模型中,导入的数据前两列要分别是个体变量(地区、国家)和时间变量(年、季、月),但是大多时候,我们直接导入进来的数据中,这两列数据的格式不正确的,在STATA中无法识别。正常情况下,个体变量的数据类型应该是long(如地区1=1、地区2=2…),时间变量的数据类型应该是float。

    个体变量:在do文件中输入命令

    encode district, gen(dis)

    生成新变量dis,在内容上和原变量district一致,格式已经改为long。如果个体变量的格式不正确,数据颜色是红色的,但在正确情况下是蓝色的。

    时间变量:

    在右下角Properties窗口中,有一个type选项改为float

    order dis, before(year)  #将dis变量移到year之前

    step 2:描述性分析

    首先创建命令

    xtset dis year  #对面板数据中的个体变量和时间变量进行设定

    其次才是描述性分析

    xtdes  #显示面板数据的结构
    xtsum lngl lngi lnin  #显示面板数据的统计特征

    step 3:单位根检验

    在建模之前需要对时间序列进行单位根检验,如果变量序列不平稳,则可能使得脉冲响应和方差分解的结果失真。单位根检验包括检验同质单位根的LLC 和Breitung,检验异质单位根的IPS、ADF-Fisher和PP-Fisher五种方法。

    • LLC检验
    xtunitroot llc lngl, trend demean lags(bic 12)  #包含线性时间趋势项又包含个体固定效应项,是条件最苛刻的一种检验
    xtunitroot llc lngl, demean lags(bic 12)  #仅含个体固定效应项
    xtunitroot llc lngl, noconstant demean lags(bic 12)  #不包含线性时间趋势项,也不包含个体固定效应项,是条件最宽松的一种检验
    • IPS检验
    xtunitroot ips lngl, trend demean lags(bic 12)  #包含线性时间趋势项又包含个体固定效应项,是条件最苛刻的一种检验
    xtunitroot ips lngl, demean lags(bic 12)  #仅含个体固定效应项
    xtunitroot ips lngl, noconstant demean lags(bic 12)  #不包含线性时间趋势项,也不包含个体固定效应项,是条件最宽松的一种检验
    • ADF-Fisher检验
    xtunitroot fisher lngl ,dfuller lags(12) trend demean
    xtunitroot fisher lngl ,dfuller lags(12) demean
    xtunitroot fisher lngl ,dfuller lags(12) noconstant demean

    step 4:最优滞后阶数

    pvar2 lngl lngi lnin,lag(5) soc

    在操作结果中,有AIC、BIC和HQIC三个准则,每个准则下的最小值会用星号标出,星号最多的滞后阶数就是最优滞后阶数。

    step 5:格兰杰因果检验

    pvar2 lngl lngi lnin, lag(2) granger

    step 6:脉冲响应和方差分解(平稳的情况)

    pvar2 lngl lngi lnin,lag(2) irf(10)
    pvar2 lngl lngi lnin,lag(2) decomp(30)

    结果出现

    b19252afa7ba6d16dac2e505d45df30f.png

    以及

    c49d53b1725eb403121d87701b8ffc74.png

    如果出现非平稳的情况,那么需要进行协整检验

    xtwest lngl lngi lnin, constant trend lags(2) 

    最后,所有的代码结合

    encode district, gen(dis)
    order dis, before(year)
    xtset dis year
    xtdes
    xtsum lngl lngi lnin
    
    xtunitroot ips lngl, demean lags(bic 6)
    xtunitroot ips lngi, demean lags(bic 2)
    xtunitroot ips lnin, demean lags(bic 6)
    
    pvar2 lngl lngi lnin,lag(5) soc
    pvar2 lngl lngi lnin, lag(2) granger
    pvar2 lngl lngi lnin,lag(2) irf(10)
    pvar2 lngl lngi lnin,lag(2) decomp(30)

    注:在进行数据建模以及检验的时候需要用到连玉君老师的pvar2的安装包

    展开全文
  • 2021空间计量研讨班:空间计量及Geoda、Stata、ArcGis、Matlab应用使用新的Stata命令pvar、pvarsoc、pvargranger、pvarstable、pvarirf和pvarfevd可以实现面板向量自回归模型的选择、估计和推理。为了便于在面板和...

    ?2021年寒假Stata研讨班:高级计量经济学及Stata应用研讨班

    ?2021空间计量研讨班:空间计量及Geoda、Stata、ArcGis、Matlab应用
    使用新的Stata命令pvar、pvarsoc、pvargranger、pvarstable、pvarirf和pvarfevd可以实现面板向量自回归模型的选择、估计和推理。为了便于在面板和时间序列变量之间进行切换,本命令与Stata内置的var命令的语法和输出都是相似的。1面板向量自回归PVAR

    该命令主要包括如下内容

    help pvarhelp pvarfevdhelp pvargrangerhelp pvarirfhelp pvarsochelp pvarstable
    2面板向量自回归PVAR配套命令简介

    1、PVAR命令

    pvar估计面板向量自回归模型,通过拟合各因变量对其自身、所有其他因变量和外生变量(如果有的话)的滞后的多元面板回归。采用广义矩法(GMM)进行估计。命令语法格式为:

    pvar depvarlist [if] [in] [, options]

    语法选项为:

    lags(#) :定义pvar模型的最大滞后期,默认滞后期为1

    exog(varlist) :表示定义在PVAR模型中的内生变量列表

    fod and fd:用来指定如何消除面板的固定效果。fod指定使用正向正交偏差或Helmert变换来消除面板固定效应,fod是默认选项。fd规定了使用一阶差分而不是正向正交偏差来消除特定于面板的固定效应。

    td:表示减去模型中每个变量在估计之前的横截面均值。这可以用于在任何其他转换之前从所有变量中删除固定时间的效果。

    gmmstyle指定使用Holtz-Eakin、Newey和Rosen(1988)提出的“GMM-style”工具。

    gmmopts(options)覆盖pvar运行的默认gmm选项。可以使用depvarlist中的变量名作为方程名分别访问模型中的每个方程。

    vce(vcetype[, independent])指定报告的标准误差类型

    overid指定要报告Hansen的J统计量的过度识别限制。此选项仅对过度识别的系统可用。

    level(#)指定用于报告置信区间的置信水平(以百分比表示)。默认值是level(95)或按set level设置。

    noprint:不汇报系数表

    2、pvarsoc

    pvarsoc提供各种简要措施,以帮助面板VAR模型的选择。它报告了模型总体决定系数,Hansen (1982) J统计量和相应的p值,以及Andrews和Lu(2001)基于J统计量制定的弯矩模型选择准则。Andrew和Lu的准则都是基于Hansen’s J统计量,它要求模型中的moment conditions数量大于内生变量的数量。

    pvarsoc depvarlist [if] [in] [, options

    语法选项为:

    maxlag(#)指定获得统计信息的最大滞后顺序。

    pinstlag(numlist) specifies that the numlist-th lag from the highest lag order of depvarlist specified in the panel VAR model implemented using pvar be used. This option cannot be specified with the option

    pvaropts(instlag(numlist)). pvaropts(options) passes arguments to pvar. All arguments specified in options are passed to and used by pvar in estimation.

    3、pvargranger

    pvargranger对面板VAR模型的每个方程进行Granger causality Wald tests.

    pvargranger [, estimates(estname)]

    estimate (estname)请求pvargranger使用之前获得的一组保存为estname的面板VAR估计。默认情况下,pvargranger使用活动(即最新)结果。

    4、pvarstable

    后估计命令pvarstable通过计算估计模型各特征值的向量来检查面板VAR估计的稳定性条件。Lutkepohl(2005)和Hamilton(1994)都表明,如果所有的伴随矩阵的向量都严格小于1,则VAR模型是稳定的。稳定性为估计脉冲响应函数和预测误差方差分解提供了已知的解释。

    pvarstable [, options]

    5、pvarirf

    后估计命令pvarirf计算并绘制脉冲响应函数(IRF)。根据蒙特卡罗估计的面板VAR模型,采用高斯逼近的方法估计置信度。正交化的IRF基于Cholesky分解,累积的IRF也可以使用pvarirf计算。

    pvarirf [, options]
    3面板向量自回归PVAR操作应用

    案例介绍1:

    我们通过分析年工作时间和小时收入之间的关系来说明pvar命令集的使用,Holtz-Eakin, Newey和Rosen(1988)在他们关于面板向量自回归的开创性论文中分析了这一关系。为了将我们的新程序与Stata内置的var命令集进行比较,我们还将新的pvar命令集应用于Lutkephol(1993)的 West Germany 时间序列数据。

    数据介绍:

    我们使用了Stata提供的1968年至1978年全国纵向调查中14-26岁女性的子样本。我们的子样本包括2039名女性,她们在至少三轮调查中报告了工资(工资)和年度工作时间(小时),其中两轮调查是连续进行的。Holtz-Eakin等人使用了相同的调查,但不同的时间段和不同的工作人员子样本,因此结果可能不是直接可比的。使用前四个滞后时间和工资作为工具,使用pvarsoc计算一到三阶面板VAR模型选择。

    1、导入数据

    webuse nlswork2xtset idcode yeargenerate wage = exp(ln_wage)

    2、查看数据如下:

    f06d320a451a8f61de552029c9b73d10.png

    7566788fa3686755fe61b94a575e529c.png

    3、Helmert变换拟合面板VAR模型,滞后期选择默认的

    pvar wage hours

    结果为:

    91c8494b401a02ac239365f631c7a639.png

    e6ae409a1f28dff366ae26c56082ab77.png

    4、与上面相同,但是标准误按行业分类

     egen indocc = group(ind_code occ_code) pvar wage hours, vce(cluster indocc)

    结果为:

    3004e1ffb69803cfa6de4190fdd61d12.png

    ddfdf785936a9a7cbe6bb39fff5f2570.png

    5、 Same as first but use the first four lags as instruments

     pvar wage hours, instlags(1/4)

    结果为:

    005717a6716d86bdf7ade71f4dd93973.png

    789f3ad572b8fb76a36a9a9665f060f1.png

    6、 use GMM-style instruments

     pvar wage hours, instlags(1/3) gmmstyle

    结果为:

    abc2b41f53074bd8b8ec6461f38abf24.png

    07531deaf2e4a1084769be740d17ef32.png

    虽然可以从上面的pvar输出中推断出一阶面板变量的格兰杰因果关系,但是我们仍然使用pvargranger作为例子来执行测试。下面的格兰杰因果检验结果表明,在通常的信心水平下,工资格兰杰导致工作时间,而工作时间格兰杰导致工资,与Holtz-Eakin等人的发现类似。

    7、格兰杰检验

      pvargranger

    cc69e08b00b9e418548ee0ca8ed8dfbe.png

    8、 Same as above but report overidentification test

     pvar wage hours, instlags(1/3) gmmstyle overid

    82b9c961526344b4488d8263ccdcf3ee.png

    781a4e8ea2c70c237809a0cb24d1df20.png

    面板向量自回归模型估计本身很少被解释。在实践中,研究人员往往对各内生变量的外生变化对面板VAR系统中其他变量的影响感兴趣。然而,在估计脉冲响应函数(IRF)和预测误差方差分解(FEVD)之前,我们首先检查估计的面板变量的稳定性条件。得到的特征值表和图证实了估计是稳定的。

    9、 稳定性检验

     pvarstable, grap

    538d4e33190b5e7b92b555a86d08217a.png

    7f2596b8be8786a97eedd428bb2402fb.png

    根据Holtz-Eakin等人的理论阐述,我们认为,工资水平的冲击直接影响同期的工作时间,而当前的工作努力只影响未来的工资。利用这个因果顺序,我们计算了使用pvarirf的隐含IRF和使用pvarfevd的隐含FEVD。在估计模型的基础上,使用200个蒙特卡罗图计算IRF置信区间。FEVD估计值的标准误差和置信区间同样可用,但这里没有显示,以节省空间。

    10、pvarfevd

     pvarfevd,mc(200) save(计量经济学服务中心.dta)

    5f038743cf25db706202db81c0478a27.png

    a9e09f7f646e5fc3baee41d648d9e4eb.png

    11、pvarirf

    pvarirf,mc(200) orif byoption(yrescale)

    df08e693c7635157987e196a1666f44c.png

    根据FEVD的估计,在我们的例子中,女性工作时间的变化中有40%可以用她们的工资来解释。另一方面,工作时间只能解释女性未来工资变化的5%。就水平而言,IRF图显示,对实际工资的正面冲击会导致工作努力减少,这意味着样本中的女性劳动力供应会向后弯曲。值得注意的是,当前工作努力的冲击对工作时间和工资都有积极但短暂的影响。另一方面,当前冲击对工资的影响对未来工资有持续的积极影响。

    4参考资料

    Michael R.M. Abrigo and Inessa Love,Estimation of Panel Vector Autoregression in Stata: a Package of Programs

    Akaike, H. (1969). Fitting autoregressive models for prediction. Annals of the Institute of StatisticalMathematics, 21, 243-247.

    Akaike, H. (1977). On entropy maximization principle. In:Krishnaiah, P.R. (Ed.), Applications ofStatistics. Amsterdam: North-Holland.

    Andrews, D.W.K. and B. Lu (2001). Consistent model and momentselection procedures for GMM estimation with application to dynamic panel datamodels. Journal of Econometrics,101(1), 123-164.

    Arellano, M. and O. Bover (1995). Another look at the instrumentalvariable estimation of error-components model. Journal of Econometrics, 68(1), 29-51.

    Bun, M.J.G. and M.A. Carree (2005). Bias-corrected estimation indynamic panel data models. Journal ofBusiness & Economic Statistics, 23(2), 200-210.

    Canova, F. and M. Ciccarelli (2013). Panel vector autoregressivemodels: A survey. Advance in Econometrics,32,

    Carpenter, S. and S. Demiralp (2012). Money, reserves, and thetransmission of monetary policy: Does the money multiplier exist? Journal of Macroeconomics, 34(1), 59-75.

    Everaert, G. and L. Pozzi (2007). Bootstrap-based correction fordynamic panels. Journal of EconomicDynamics and Control, 31(4), 1160-1184.

    Granger, C.W.J. (1969). Investigating causal relations by econometricmodels and cross-spectral methods. Econometrica,37(3), 424-438.

    Hamilton, J.D. (1994). Time Series Analysis. Princeton: PrincetonUniversity Press.

    Hannan, E.J. and B.G. Quinn (1979). The determination of the orderof an autoregression. Journal of theRoyal Statistical Society, Series B, 41(2), 190-195.

    Hansen, L.P. (1982). Large sample properties of generalized methodof moments estimators. Econometrica,50(4), 1029-1054.

    Head, H. H. Lloyd-Ellis and H. Sun (2015). Search, liquidity, andthe dynamics of house prices and construction. The American Economic Review, 104(4), 1172-1210.

    Holtz-Eakin, D., W. Newey and H.S. Rosen (1988). Estimating vectorautoregressions with panel data. Econometrica,56(6), 1371-1395.

    Judson, R.A., and A.L. Owen. 1999. Estimating dynamic panel datamodels: A guide for macroeconomists. EconomicsLetters, 65(1), 9-15.

    Kiviet, J.F. (1995). On bias, inconsistency, and efficiency ofvarious estimators in dynamic panel data models. Journal of Econometrics, 68(1), 53-78.

    Love, I. and L. Zicchino (2006). Financial development and dynamicinvestment behavior: Evidence from panel VAR. The Quarterly Review of Economics and Finance, 46(2), 190-210.

    Lutkepohl, H. (1993). Introduction to Multiple Time Series Analysis,2nd Ed. New York: Springer.

    Lutkepohl, H. (2005). New Introduction to Multiple Time SeriesAnalysis. New York: Springer.

    Mora, N. and A. Logan (2012). Shocks to bank capital: Evidence fromUK banks at home and away. AppliedEconomics, 44(9), 1103-1119.

    Neumann, T.C., P.V. Fishback and S. Kantor (2010). The dynamics ofrelief spending and the private urban market during the New Deal. The Journal of Economic History, 70(1)195-220.

    Nickell,S.J. (1981). Biases in dynamic models with fixed effects. Econometrica, 49(6), 1417-1426.

    Risannen, J. (1978). Modeling by shortest data description. Automatica, 14(5), 465-471.

    Roodman, D. (2009).  How to doxtabond2: An introduction to difference and system GMM in Stata. The Stata Journal, 9(1), 86-139.

    Schwarz, G. (1978). Estimating the dimension of a model. Annals of Statistics, 6(2), 461-464.

    Sims, C.A. (1980). Macroeconomics and reality. Econometrica, 48(1), 1-48.

    ◆◆◆◆

    精彩回顾

    ce5ee5df3859faeb08b822399614fb89.png

    点击上图查看:

    《初级计量经济学及Stata应用:Stata从入门到进阶》

    273835f1b0a3c5419850ba7f82d2de27.png

    点击上图查看:

    《高级计量经济学及Stata应用:Stata回归分析与应用

    展开全文
  • 作者:alpamber网址:...简单目录:stata操作界面简介PVAR的基本操作流程图第一步输入数据(以导入Excel数据为例)第二步 调整数据格式第三步 描述性分析第四步 面板单位根检验第五步 协...
  • VAR.PVAR.S

    2020-07-29 14:58:19
    VAR.P 函数 计算基于整个样本总体的方差(忽略样本总体中的逻辑值和文本)。 VAR.S 函数 估算基于样本的方差(忽略样本中的逻辑值和文本)。 VAR.P 假定其参数是整个总体。 如果数据代表总体样本,请使用 VAR.S 计算...
  • varvarp

    千次阅读 2011-09-26 11:30:18
    因为不知这两个函数的区别,让我搞了1个多小时,最后都怀疑自己把方差公式记错了,哈哈。 var: 来计算总体的一个抽样的方差,公式为 sum(( x_i - ave)...varp: 来计算整个总体的方差,它的参数是全部的数据总体
  • [Excel常用函数] var &var.p & var.s函数

    万次阅读 2018-05-27 12:05:30
    var函数 函数 VAR 假设其参数是样本总体中的一个样本。 公式意义见下图: 注意到图中分式的分母为n-1 var.p函数 ...函数 VAR.P计算基于整个样本总体的方差 ...用var.p函数求单元格区域A1:A10...
  • 是方差:Variance : 字头 Var标准差:Standard Deviationvar(X)var(a)怎么计算呀?var(a) = E{a-E(a)}2 ------ 随机变量的方差英文:varance随机变量方差的几何意义是什么?物理意义是什么?二阶中心距,,也叫作...
  • MySql-STDEV、STDEVP、VARVARP

    千次阅读 2019-07-02 09:57:45
    方差函数理论知识SQL SERVER中关于方差的函数:四个函数的区别与联系:手工实现方差的计算: 理论知识 偏差:一组数据偏离其平均数的值 方差:各个偏差的平方的平均数 标准偏差:方差的平方根 ...VARP ...
  • R语言做面板VAR例子

    千次阅读 2019-01-24 16:45:59
    面板VAR步骤: (1)对各变量做平稳性...(3)在PVAR系统中进行Wald-Granger检验 (4)面板VAR估计 (5)脉冲效应 (6)面板方差分解 R语言例子: 文件pvar.csv数据结构如下: 数据包括4个内生变量("...
  • double dbRetVal = oFun.Var( varArg1,  vtMissing,  vtMissing,  vtMissing,  vtMissing,  vtMissing,  vtMissing,  vtMissing,  vtMissing,  vtMissing,  vtMissing,  vtMissing...
  • JSON Extractor,__setProperty,__Pvars,props用法比较 功能: JSON Extractor : JSON提取器,常用来提取当前请求响应里的值,如登录token 作用域:当前线程组 ${__setProperty(property name,property value,...
  • 风险控制之VaR

    千次阅读 2018-09-29 15:58:10
    什么是VaR VaR是value of risk的缩写称为风险价值,或者受险价值,...总的意义就是在金融资产的收益有1-p的概率不会小于VaR。 所以从定义出发,要确定VaR的值或者建立VaR的模型,必须要确定三个系数: 持有期。...
  • var txt2=$("<p></p>").text("Text."); // Create text with jQuery var txt3=document.createElement("p"); txt3.innerHTML="Text."; // Create text with DOM $("body").append(txt1,txt2,txt3); // Append new...
  • jsp页面报错Empty var attribute in \"c:forEach\"...\/p&gt;" 解决方法: 以下用法报错,原来是忘记写var变量了。 正确写法:http://w​ww.yayihouse.com/yayishuwu/chapter/1730...
  • 风险价值VaR

    千次阅读 2018-10-19 00:28:51
    因为讨厌复杂的数学模型,J.P. Morgan在1990年代的CEO Dennis Weatherstone要求下属在每天下午4:15分之前交给他一份一页纸的、简单易懂的报告,以说明公司的资产(包括股票、债券以及金融衍生品)在下一个交易日内...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 259,818
精华内容 103,927
关键字:

pvar