StataIC——协整检验与误差修正模型
一、简介
- 这篇博文是在博主写的上一篇《StataIC——数据描述性统计分析、平稳性检验、平稳化》的基础上的建立的传送门,这篇博文主要是做协整检验和误差修正模型。
- 本篇博文是一篇关于线性回归的基本操作;时间序列的平稳性检验、协整检验和误差修正模型(在下一篇博文里延续)等的博文。
- 博主是一个普普通通的大学生,没有很厉害的技术,写的内容都是不太正经的偏小白简单的,写的也是学校教过的知识消化后自己的见解,不是很学术研究的博文。
- 配置:Window 7旗舰版+64位操作系统+StataIC 14(64-bit)
二、协整检验(EG两步法)
由上一篇博文的结论可知,gdpr和consr都是一阶单整的,接下来做协整检验,看gdpr和consr二者是否存在长期均衡关系。
1.OLS回归
- 命令:
reg varname1 varname2 #varname1和varname2为两个变量的名称
- 例:
输入命令:reg gdpr consr
结果如下图所示:
2.对残差做单位根检验
- 生成残差
(1)命令:predict e,residual #固定语句,不需要进行变量名的替换
(2)例:
输入命令:predict e,residual
结果如下图所示:
- 对残差做单位根检验
(1)先将e设置成时间序列,输入命令tsset year,Enter键按一下。(year可以替换成你的时间变量名):
结果如下图所示:
(2)然后紧接着输入命令:dfuller e,nocons reg(固定语句,无需进行变量名的替换)
结果如下图所示:
3.结论
- 拒绝原假设(原假设:至少存在一个单位根),从5%的临界值来看,他的残差e是平稳的。意味在95%的水平下,我们可以去拒绝原假设。
- 因此,gdpr和consr是存在长期均衡关系的,估计出的协整关系gdpr=0.02+0.93*consr即为{gdpr,consr}之间的长期均衡关系(其中0.02,0.93为长期参数)。
- 第二点的参数来自于下图红色框处。
- 所以长期均衡公式为:
三、建立误差修正模型(ECM)
长期均衡公式有了,如果要估计{gdpr,consr}之间的短期关系(短期参数),则需要使用误差修正模型(ECM)。
1.公式解读
2.误差正模型
- 因为consr和gdpr是协整的,建立误差修正模型(ECM):
- 其中,误差修正项是:
- 长期均衡公式:
3.生成误差修正项ecmt-1
- 生成残差的滞后项,命令:gen ecm=l.e(固定语句)
结果如下图所示:
- 生成被解释变量的滞后项,命令:gen dgdpr_lar=l.dgdpr(非固定语句,需替换变量名):
结果如下图所示:
4.用OLS法估计误差修正模型的参数
- 命令:
reg dvarname1 dvarname1_lar dvarname2 ecm
- 例:
输入命令:reg dgdpr dgdpr_lar dconsr ecm
结果如下图所示:
5.统计检验
- 拟合优度检验:调整R2为0.7933,说明解释变量能反映被解释变量79.33%的变化。因为这里仅仅研究了gdpr和consr之间的关系,还有很多其他因素并未引入。
- F检验:P值为0.0000,说明回归方程整体显著。
- T检验:解释变量dgdpr_lar和dconsr的p值分别为0.039和0.000,显著。
- ecm和常数项p值为0.053和0.769,不显著。
6.调整
由于常数项和ecm的t检验不显著,将他们去除,重新输入回归命令:
reg dgdpr dgdpr_lar dconsr,nocons
结果如下图所示:
7.结果
最终估计出的误差修正模型:
四、计量经济学检验
- 异方差:异方差一般存在于截面数据,举的例子是时间序列数据。
- 序列相关:变量已经做了差分。
- 多重共线性:一般是在回归前做相关系数矩阵。此实验报告长期均衡回归方程只有1个解释变量。误差修正模型中的,dgdpr_lar和ecm可以看他们的相关系数,输入命令:pwcorr dgdpr_lar ecm,sig
结论:相关系数0.5740,小于0.8,可以认为不存在多重共线性。
结果如下图所示:
五、总结
其实StataIC的操作和语句都很简单,主要是了解模型里的变量名。
**码字不易,点个赞吗?**ヾ(=・ω・=)o
StataIC——协整检验与误差修正模型相关推荐
- 时间序列之协整检验(3)
协整检验 1. 协整检验(cointegration test) 2. 常用的协整检验 3. 研究变量之间的协整关系,对研究经济问题的定量分析有着重要的意义: 5. 用Eviews代码进行协整检验 4 ...
- 计量经济学之时间序列的平稳性、单位根检验、协整检验、时间序列数据的一般处理流程
时间序列的平稳性 为什么要把时间序列变成平稳的?--平稳性的意义 如何检验时间序列数据的平稳性?--单位根检验 数据不平稳怎么办?--协整检验 单整.协整(cointegration) 协整检验 总结 ...
- R语言ECM误差修正模型、均衡修正模型、受限VECM、协整检验、单位根检验即期利率市场数据...
全文下载:http://tecdat.cn/?p=29221 传统上,协整检验是在非常长的时间内进行的,本案例研究A测试了1960-2010年期间T-Bill利率和国债收益率之间的均衡(点击文末&qu ...
- 时间序列分析(13)| 误差修正模型、协整检验(完结篇)
本篇为「时间序列分析」系列推文的最后一篇. 1 协整的概念 「协整」(cointegrated)描述的是两个及以上时间序列变量之间的关系. 若一个时间序列变量的阶差分是平稳的,则称该变量为阶单整:若多 ...
- 三个变量存在一个协整方程_三变量误差修正模型:两个解释变量,用JJ协整检验后得到以下结果,如何看这个结果?怎样做误差修正模型?...
三变量误差修正模型:两个解释变量,用JJ协整检验后得到以下结果,如何看这个结果?怎样做误差修正模型?0 vldxhg2013.04.12浏览2007次分享举报 Date: 01/13/12 Time: ...
- 格兰杰检验 协整检验 误差修正模型相关
格兰杰检验 协整检验 误差修正模型相关 转自博客 http://blog.sina.com.cn/s/blog_3fa1d4300100mroy.html 个人觉得正确的顺序是:先对单变量进行单位根的 ...
- R语言EG(Engle-Granger)两步法协整检验、RESET、格兰杰因果检验、VAR模型分析CPI和PPI时间序列关系...
全文链接:http://tecdat.cn/?p=31108 作为衡量通货膨胀的基本指标,消费者价格指数CPI和生产者价格指数PPI的作用关系与传导机制一直是宏观经济研究的核心问题.(点击文末&quo ...
- 非平稳的原始序列通过协整检验可以用来建立VAR模型吗?
求各位大神帮忙!我选了三个变量进行研究,经过ADF检验之后,发现三个变量原始序列不平稳,一阶差分之后均平稳.由于使用原始序列建立的VAR模型R2均在98%以上,说明模型的拟合性比较好:但是一阶差分之后 ...
- 协整检验——进出口与经济增长
为了研究进出口与经济增长之间的关联,采用3个时间序列建立VAR模型,利用JJ协整检验并找出协整方程,以此确定长期关系,并建立VEC模型研究短期关系. 1 单位根检验 VAR模型可通过变形化为差分形式( ...
- 协整检验该如何分析?
在宏观计量经济研究中,通常会使用VAR模型研究多个时间经济变量之间的数量关系情况,但是VAR模型要求数据无单位根或者同阶单整,如果无单位根通常可直接进行VAR模型构建,如果有单位根但是满足同阶单整,此 ...
最新文章
- lr手工添加关联函数的步骤:
- 深入剖析MobileNet和它的变种
- kl距离 java_信息量、熵、最大熵、联合熵、条件熵、相对熵、互信息。
- ajax传数组到php页面上,将ajax中的元素值和数组传递到PHP页面
- 【论文串讲】从GPT和BERT到XLNet
- IBatis.net介绍
- 中煤保险 公司举办“虎啸杯”保险知识竞赛活动
- 爆牙齿的世界杯日记(小组末轮AB组)
- 设计模式C++实现(5)——桥接模式
- linux进入mongodb数据库命令,MongoDB 常用数据库命令,命令是如何工作的这里
- nginx 集群部署_Nginx Ingress on TKE 部署最佳实践
- 磁盘阵列(RAID)-很详细的介绍
- python程序分块_怎么用python实现文件的分块下载
- potel99se 文件损坏修复
- matlab如何计算方差分析,matlab-方差分析.ppt
- CC2530和8051(51单片机)的关系
- matlab画直方图并拟合泊松分布,将泊松分布拟合为数据(直方图+直线)
- c++17好用的新特性总结
- 及时输出_玉露窜出花箭及时掐掉,减少养分输出,叶子不干瘪长得更好
- 没有今天的百度,难道它真的天亮了?