用R语言做单方程的误差修正模型（ECM）

># 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)#求累积和，返回一个变量，它的第i个元素是从U（1）到U（i）和。
> y<-x+u
> # E-G协整估计及检验
> model.lm<-lm(y~x)
> summary(model.lm)
对cumsum()函数举例

> x=c(1,3,2,5)
> cumsum(x)
[1]  1  4  6 11

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"))#单位根检验，type="trend"有趋势项

###############################################
# 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.

用R语言做单方程的误差修正模型（ECM）相关推荐

r语言数据变量分段_R数据分析：用R语言做meta分析
这里以我的一篇meta分析为例,详细描述meta分析的一般步骤,该例子实现的是效应量β的合并 R包:metafor或meta包,第一个例子以metafor包为例. 1.准备数据集 2.异质性检验 in ...
使用r语言做garch模型_使用GARCH估计货币波动率
使用r语言做garch模型 Asset prices have a high degree of stochastic trends inherent in the time series. In o ...
通过R语言做灰色预测
通过R语言做灰色预测 GM(1,1)模型的定义数据的检验与处理数据的生成级比检验 GM(1,1)建模生成累加数据和均值数据构造矩阵BBB及数据向量YYY,有计算: 建立模型,求解,并还原数 ...
R语言|做点儿好玩儿的东西
电影<少年班>中两次出现过这样一道题: 在电影的最后,出现了这道题的解答,是一条心形线. 我觉得还挺有意思的,就试着用R语言做了一下.代码如下. heart<-data.frame( ...
笔记—R语言做矩阵散点图
笔记-R语言做矩阵散点图 #install.packages("corrgram") #install.packages("GGally") install.p ...
R语言做主成分分析在我国城镇居民家庭平均每人全年消费性支出分析中的应用
统计数据建模课程论文题目: R语言做主成分分析在我国城镇居民家庭平均每人全年消费性支出分析中的应用姓名: 学号: 班级: 授课教师: 完成时间: 2020年07月07日摘要居民消 ...
R语言编程学习之函数与模型：VAR与SVAR和爬虫（图）
R语言编程学习之函数与模型:VAR与SVAR和爬虫(图) SVAR模型与VAR模型在模型设定形式上的区别是,VAR模型只包含变量的滞后项,而SVAR模型还包含了变量的当期项.SVAR模型还可以避免联立 ...
R语言使用rpart包构建决策树模型、使用prune函数进行树的剪枝、交叉验证预防过拟合、plotcp可视化复杂度、rpart.plot包可视化决策树、使用table函数计算混淆矩阵评估分类模型性能
R语言使用rpart包构建决策树模型.使用prune函数进行树的剪枝.使用10折交叉验证选择预测误差最低的树来预防过拟合.plotcp可视化决策树复杂度.rpart.plot包可视化最终决策树.使用t ...
R语言使用caret包构建gbdt模型（随机梯度提升树、Stochastic Gradient Boosting ）构建回归模型、通过method参数指定算法名称
R语言使用caret包构建gbdt模型(随机梯度提升树.Stochastic Gradient Boosting )构建回归模型.通过method参数指定算法名称目录
R语言caret包构建机器学习回归模型（regression model）、使用DALEX包进行模型解释分析、特征重要度、偏依赖分析等
R语言caret包构建机器学习回归模型(regression model).使用DALEX包进行模型解释分析.特征重要度.偏依赖分析等目录

用R语言做单方程的误差修正模型（ECM）

用R语言做单方程的误差修正模型（ECM）相关推荐

最新文章

热门文章