单方程误差修正模型案例分析
单方程误差修正模型案例分析
数据的生成
set.seed(12345) u<-rnorm(500) x<-cumsum(u) y<-x+u
E-G协整估计及检验
model.lm<-lm(y~x) summary(model.lm) Call: lm(formula = y ~ x)Residuals:Min 1Q Median 3Q Max -2.65130 -0.65274 0.02012 0.60176 2.66642 Coefficients:Estimate Std. Error t value Pr(>|t|) (Intercept) 0.12350 0.10797 1.144 0.253 x 0.99861 0.00333 299.924 <2e-16 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1Residual standard error: 0.991 on 498 degrees of freedom Multiple R-squared: 0.9945, Adjusted R-squared: 0.9945 F-statistic: 8.995e+04 on 1 and 498 DF, p-value: < 2.2e-16第一步建立协整关系,利用OLS法得到X和Y的协整回归方程:
提取协整回归残差
re.lm<-resid(model.lm)
协整检验,应用包urca
summary(ur.df(re.lm,type="none",selectlags="AIC")) ############################################### # Augmented Dickey-Fuller Test Unit Root Test # ############################################### Test regression none Call: lm(formula = z.diff ~ z.lag.1 - 1 + z.diff.lag)Residuals:Min 1Q Median 3Q Max -2.70068 -0.66375 0.03806 0.61796 2.65938 Coefficients:Estimate Std. Error t value Pr(>|t|) z.lag.1 -1.04076 0.06345 -16.404 <2e-16 *** z.diff.lag 0.03986 0.04485 0.889 0.375 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1Residual standard error: 0.9916 on 496 degrees of freedom Multiple R-squared: 0.5013, Adjusted R-squared: 0.4993 F-statistic: 249.3 on 2 and 496 DF, p-value: < 2.2e-16Value of test-statistic is: -16.4041 Critical values for test statistics: 1pct 5pct 10pct tau1 -2.58 -1.95 -1.62 dy<-diff(y) dx<-diff(x) error.term<-head(re.lm,-1) data.ecm<-data.frame(dy=dy,dx=dx,error.term=error.term) model.ecm<-lm(dy~dx+error.term,data=data.ecm) summary(model.ecm) Call: lm(formula = dy ~ dx + error.term, data = data.ecm)Residuals:Min 1Q Median 3Q Max -0.043268 -0.008857 -0.001662 0.016696 0.035626 Coefficients:Estimate Std. Error t value Pr(>|t|) (Intercept) -0.0823551 0.0008290 -99.34 <2e-16 *** dx 1.9983047 0.0008346 2394.21 <2e-16 *** error.term -0.9999880 0.0008347 -1198.03 <2e-16 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1Residual standard error: 0.01846 on 496 degrees of freedom Multiple R-squared: 0.9999, Adjusted R-squared: 0.9999 F-statistic: 3.585e+06 on 2 and 496 DF, p-value: < 2.2e-16
第二步建立误差修正模型,估计结果为:
其中,误差校正项为:
误差校正系数为0.9999880.
单方程误差修正模型案例分析相关推荐
- R语言向量误差修正模型 (VECMs)分析长期利率和通胀率影响关系
原文链接:http://tecdat.cn/?p=22215 向量自回归模型估计的先决条件之一是被分析的时间序列是平稳的.但是,经济理论认为,经济变量之间在水平上存在着均衡关系,可以使这些变量差分而平 ...
- R语言Logistic回归模型案例:分析吸烟、饮酒与食管癌的关系
R语言Logistic回归模型案例:分析吸烟.饮酒与食管癌的关系 目录 R语言Logistic回归模型案例分析吸烟.饮酒与食管癌的关系 #样例数据
- 拓端tecdat|R语言向量误差修正模型 (VECMs)分析长期利率和通胀率影响关系
最近我们被客户要求撰写关于向量误差修正模型的研究报告,包括一些图形和统计输出. 向量自回归模型估计的先决条件之一是被分析的时间序列是平稳的.但是,经济理论认为,经济变量之间在水平上存在着均衡关系,可以 ...
- SWAT模型案例分析
SWAT模型的产生 SWAT模型的最直接前身是SWRRB模型.而SWRRB模型则起始于20世纪70年代美国农业部农业研究中心开发的CREAMS(Chemicals, Runoff, and Erosi ...
- 卡诺模型案例分析_3个维度看竞品分析!
谁都想站在巨人的肩膀上,问题是怎么上去? ABC分享会线下24期回顾 时间:10月24日 下午13:00-17:30 地点:上海嘉定U-CUBE创意空间 参与人数:18人 主题:怎样做竞品分析 这次活 ...
- 卡诺模型案例分析_AMOS案例分析 | 结构方程模型(二)
使用结构方程的方法进行模型的验证 1. 替换缺失值 在读取数据文件之前,对数据的完整性问题做适当处理.利用SPSS进行数据缺失值的处理.操作过程:转换→替换缺失值 输出结果:形成新的数据集.从下表中可 ...
- 卡诺模型案例分析_质量管理神器,Kano模型您可知道?
在六西格玛中,倾听.分析.理解顾客的需求 (voice of customer)是非常重要的,而Kano模型就是这个环节中关键的工具之一. 而笔者觉得更为重要的是,Kano模型不仅仅是质量领域的重要工 ...
- 3sigma模型案例分析彻底搞懂置信度与置信区间
学习机器学习算法时,经常会碰到数理统计中置信区间.置信度,虽然学习过相关课程,但是每次遇到它总是懵懵懂懂,似懂非懂.为了对这两个概念有深入的了解,这里做了相关的介绍.为了不老是纠缠于数理统计理论,或者 ...
- python做马尔科夫模型预测法_python 日常笔记 hmmlearn 隐性马尔科夫模型案例分析...
问题: 什么是马尔科夫模型?用来干什么? 大家可以参考这篇简书 python 实现 关于HMM有两个主要问题: 已知上述三个参数,和当前观测序列,求解隐藏状态的变化 所有参数未知,只有数据,如何获得三 ...
最新文章
- Git的撤销操作 git commit --amend
- 直播预告丨基于 SDAF 闭环制胜 2022 数字化运营
- CVPR 2019开源论文 | Rob-GAN:生成器、鉴别器以及对抗攻击者
- 实现lua面向对象的private属性
- vector向量容器
- 利用DHT22和Arduino测量温湿度并显示在串口和OLED显示屏上
- 计算机系统的组成doc,计算机系统的基本组成.doc
- 自定义类型详解:结构体(内存对齐、位段) + 枚举 + 联合
- English trip M1 - AC9 Nosey people 爱管闲事的人 Teacher:Solo
- tortoisegit 还原到某个版本
- 【转】英文版XP不能安装中文版软件
- 基础教程之Running Man奔跑
- Scala深入浅出实战经典---001-Scala开发环境搭建和HelloWorld解析
- android怎么实现记住密码功能,Android学习笔记——记住密码的功能实现(一)
- 修电脑入门名词及等级划分
- CentOS 8 下载及安装
- 计算机管理员被停用,命令提示符已被系统管理员停用,详细教您命令提示符已被系统管理员停用怎么办...
- 签名验签服务器的作用,签名验签服务器
- 新安装Visio2013每次打开都提示正在配置,解决办法
- 【FFmpeg+Qt开发】转码流程 H.264 转(mov、mp4、avi、flv)等视频格式 示例详解
热门文章
- shiro设置url过滤,不拦截指定的url
- 微型计算机中鼠标属于什么设备,在微型计算机系统中,显示器、键盘、鼠标都属于输入...
- 解决docker 容器状态 Exited (1)问题
- VMware为虚拟机挂载U盘
- 7-13 毕业聚会 (10 分)(优化)
- “写作业神器”ChatGPT究竟有多厉害?
- 武汉科技大学计算机学院研究生复试,武汉科技大学计算机考研复试科目
- python接口自动化学习之路(1)
- 苹果也吹牛,M2处理器性能确实优秀,但是却与Intel存在很大差距
- 分享一下嵌入式 HarmonyOS 的学习思路