全部版块 我的主页
› 论坛 › 计量经济学与统计论坛 五区 › 计量经济学与统计软件 › Stata专版
pvar问题汇总
cufejinrong
31461 29
2011-04-05

pvar问题汇总，期待解答！

如何用stata操作AIC、SIC等验证pvar的滞后阶数，和var一样吗？

Pvar要作单位根吗？有人说时间短就不用做，是不是真的，13年时间的年度数据算短吗？

有人知道helmet吗？helmet之前的变量要求是平稳的是吗？为什么有些论文的变量不是平稳的也做helm，然后做pvar？pvar到底是对原序列做还是对差分后平稳的序列做？如果和var一样的话，应该是对差分后平稳的序列做吧？为什么有论文明知是I(1)还对原序列做？求解

二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复
show365
2011-4-11 20:31:08
我也在找这方面的材料
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

zhangweifeng
2011-9-17 10:26:21
哎，好难啊啊
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

auv
2011-11-16 21:50:25
顶之，期待回答
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

子君2011
2012-7-21 19:20:49
我也碰到这个问题了~希望能得到如上所述的答案~
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

arlionn
2012-7-23 21:53:47
love 编写的 pvar 命令无法直接计算 AIC 和 BIC，但可以利用她的程序计算出的返回值计算这些统计量。相关的统计量的计算方法参见连玉君（2009，中国上市公司投资效率研究，经济管理出版社，第4章）。在“stata学术论文视频教程”（http://baoming.pinggu.org/Default.aspx?id=134）中，我follow了Love(2006)的文章，并修改了pvar程序，命名为 pvar2。改程序的主要改进如下：
*------------------------------------
*-1.3  pvar2命令: 连玉君更新后的程序
*------------------------------------
  
  *---------------               
  *-1.3.1 主要改进
   
        help pvar2   // see Section: `What is new?'
         
        *-(1)  tsset
        *-(2)  helm 内化
        *-(3)  timeeffect 内化
        *-(4)  irf(#)  irfformat()
        *-(5)  decomp(#)
        *-(6)  AIC, BIC, HQIC (滞后阶数选择依据)
        *      估计结果可以用 est store 存储，并进而用 esttab 输出
        *-(7)  nograph, saving() 选项
        *      设定 irf() 选项后，MC 后产生的 CI 数据会自动存储在 irf_data.dta 文件中
        *      若附加 nograph 选项, 则只采用 MC 获得 IRF 数据，不输出图形
        *-(8)  Granger 因果检验   
        
        *-高级应用: 可以自行修改改程序(建议另存后修改)
          doedit "$path\adofiles\pvar2.ado"  //打开 ado 文件
          doedit "$path\adofiles\pvar2.hlp"  //打开 帮助文件

*--------------------------
*-1.3.3 PVAR 滞后阶数的选择
  
pvar2 kstock invest mvalue, lag(5) soc

===========================================
  Selection Order Criteria for Panel VAR  
===========================================
  +------------------------------------+
  |lag |    AIC       BIC      HQIC    |
  |----+-------------------------------|
  |  1 |  37.8491   38.5409   38.1296  |
  |  2 |  34.3367   35.2221   34.6959  |
  |  3 |  33.7112   34.8067    34.156  |
  |  4 |  33.0443*   34.369*  33.5825* |
  |  5 |  33.9323   35.5082   34.5727  |
  +------------------------------------+

*-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
* (4) 计算公式: pp.56  Eq.(4-31)-Eq.(4-33)
    shellout "$path\Refs\连玉君_PhD_chp4_Panel_VAR.pdf" // 博士论文第四章

*-------------------------
*-1.3.6  Granger 因果检验   
   
pvar2 kstock invest mvalue, lag(3) granger

=============================
   Granger Causality tests   
=============================
   Granger causality Wald tests for Panel VAR
  +------------------------------------------------------------------+
  |          Equation           Excluded |   chi2     df Prob > chi2 |
  |--------------------------------------+---------------------------|
  |          h_kstock           h_invest |  52.221     3    0.000    |
  |          h_kstock           h_mvalue |  9.0752     3    0.028    |
  |          h_kstock                ALL |  118.88     6    0.000    |
  |--------------------------------------+---------------------------|
  |          h_invest           h_kstock |  15.613     3    0.001    |
  |          h_invest           h_mvalue |  12.366     3    0.006    |
  |          h_invest                ALL |  18.998     6    0.004    |
  |--------------------------------------+---------------------------|
  |          h_mvalue           h_kstock |   15.08     3    0.002    |
  |          h_mvalue           h_invest |  2.7232     3    0.436    |
  |          h_mvalue                ALL |  25.034     6    0.000    |
  +------------------------------------------------------------------+
   
*-检验过程解析: invest 是否为 kstock 的 Granger 因？
   local Eq "h_kstock"   // 方程名称
   local v  "h_invest"
   test [`Eq']L.`v' = [`Eq']L2.`v' = [`Eq']L3.`v' = 0

*-Notes:
* 执行 Granger 因果检验时，可以不必拘泥于 xtvarsoc 选出的滞后阶数;
* 因为 Granger 因果检验的目的在于检验 x 滞后项对 y 的联合影响

至于第二个问题，即是否需要平稳性检验。
我认为，VAR 模型都需要实现进行平稳性检验。有的文章之所以没有进行平稳性检验，例如 Love (2006) 是因为她分析的都是公司财务变量，这些变量一定是平稳的，根本无需进行单位根检验。但当研究区域经济增长时，就需要进行检验了。
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

微信QQ空间QQ微博
扫码加好友，拉您进群
各岗位、行业、专业交流群