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 › EViews专版
VEC模型结果怎么理解？
skyxzt
57686 22
2012-07-25
VEC估计结果如下，不知道如何写协整方程，因为有三个协整关系，所以又三个方程，但是出来的结果不知道要怎么写，还有VEC方程怎么写也不清楚，误差修正项的系数是多少、检验结果是否显著，要怎么看呢？小弟是计量新手，有很多不懂的，望各位大侠帮忙解答一下，不尽感激(*^__^*)
Vector Error Correction Estimates   
Date: 07/25/12   Time: 22:14   
Sample (adjusted): 1983 2010   
Included observations: 28 after adjustments   
Standard errors in ( ) & t-statistics in [ ]   
   
Cointegrating Eq:  CointEq1 CointEq2 CointEq3
   
LNGUI(-1)  1.000000  0.000000  0.000000
   
LNPGDP(-1)  0.000000  1.000000  0.000000
   
LNPGDP2(-1)  0.000000  0.000000  1.000000
   
LNSSL(-1) -0.115329 -0.402501 -4.618520
  (0.03458)  (0.07285)  (1.08461)
[-3.33535] [-5.52524] [-4.25824]
   
C  1.060205 -7.138005 -52.03107
   
Error Correction: D(LNGUI) D(LNPGDP) D(LNPGDP2) D(LNSSL)
   
CointEq1  0.107414  0.684547  12.04644  0.015450
  (0.98731)  (0.47944)  (7.25194)  (3.33017)
[ 0.10880] [ 1.42782] [ 1.66113] [ 0.00464]
   
CointEq2 -0.366021 -1.686595 -28.09565  11.23536
  (1.84028)  (0.89364)  (13.5172)  (6.20724)
[-0.19889] [-1.88733] [-2.07851] [ 1.81004]
   
CointEq3  0.055230  0.127439  2.160691 -0.745645
  (0.14847)  (0.07210)  (1.09055)  (0.50079)
[ 0.37199] [ 1.76759] [ 1.98129] [-1.48893]
   
D(LNGUI(-1)) -0.790092 -0.154483 -4.045586 -2.254520
  (0.75179)  (0.36507)  (5.52204)  (2.53578)
[-1.05095] [-0.42316] [-0.73263] [-0.88908]
   
D(LNGUI(-2)) -0.296292 -0.577430 -9.704079 -0.167243
  (0.76454)  (0.37126)  (5.61571)  (2.57880)
[-0.38754] [-1.55531] [-1.72802] [-0.06485]
   
D(LNGUI(-3)) -0.469817 -0.397637 -6.413532  1.546013
  (0.47784)  (0.23204)  (3.50985)  (1.61176)
[-0.98320] [-1.71365] [-1.82730] [ 0.95921]
   
D(LNGUI(-4)) -0.489109 -0.035354 -1.093235 -1.386087
  (0.39871)  (0.19361)  (2.92857)  (1.34483)
[-1.22674] [-0.18260] [-0.37330] [-1.03068]
   
D(LNPGDP(-1)) -4.897796  11.02444  172.7176 -47.14145
  (12.4169)  (6.02966)  (91.2044)  (41.8821)
[-0.39445] [ 1.82837] [ 1.89374] [-1.12558]
   
D(LNPGDP(-2))  13.75492  1.928189  44.45909  2.964546
  (6.21096)  (3.01605)  (45.6206)  (20.9495)
[ 2.21462] [ 0.63931] [ 0.97454] [ 0.14151]
   
D(LNPGDP(-3)) -1.821540  0.007644  26.30803 -14.91387
  (9.03764)  (4.38868)  (66.3830)  (30.4838)
[-0.20155] [ 0.00174] [ 0.39631] [-0.48924]
   
D(LNPGDP(-4))  17.00945  17.72396  274.6850 -75.06875
  (18.7244)  (9.09258)  (137.534)  (63.1572)
[ 0.90841] [ 1.94928] [ 1.99722] [-1.18860]
   
D(LNPGDP2(-1))  0.249853 -0.688433 -10.86660  2.725714
  (0.82662)  (0.40141)  (6.07169)  (2.78819)
[ 0.30226] [-1.71504] [-1.78972] [ 0.97759]
   
D(LNPGDP2(-2)) -0.899996 -0.152722 -3.403368 -0.254837
  (0.44812)  (0.21761)  (3.29154)  (1.51151)
[-2.00837] [-0.70182] [-1.03397] [-0.16860]
   
D(LNPGDP2(-3))  0.104274 -0.013767 -2.133316  0.895527
  (0.67017)  (0.32543)  (4.92250)  (2.26047)
[ 0.15559] [-0.04230] [-0.43338] [ 0.39617]
   
D(LNPGDP2(-4)) -1.303069 -1.248584 -19.36626  4.949825
  (1.34053)  (0.65096)  (9.84646)  (4.52161)
[-0.97205] [-1.91805] [-1.96682] [ 1.09470]
   
D(LNSSL(-1))  0.066206  0.064869  1.258419 -0.144101
  (0.16693)  (0.08106)  (1.22616)  (0.56307)
[ 0.39660] [ 0.80022] [ 1.02631] [-0.25592]
   
D(LNSSL(-2))  0.106895  0.087906  1.470952 -0.334916
  (0.11219)  (0.05448)  (0.82402)  (0.37840)
[ 0.95283] [ 1.61361] [ 1.78508] [-0.88508]
   
D(LNSSL(-3))  0.152987  0.025263  0.486576  0.067724
  (0.06452)  (0.03133)  (0.47393)  (0.21764)
[ 2.37105] [ 0.80630] [ 1.02667] [ 0.31118]
   
D(LNSSL(-4))  0.104991  0.005910  0.145998  0.036945
  (0.04602)  (0.02235)  (0.33806)  (0.15524)
[ 2.28119] [ 0.26443] [ 0.43187] [ 0.23798]
   
C  0.205033  0.043488  0.877057  1.428631
  (0.17079)  (0.08294)  (1.25449)  (0.57607)
[ 1.20049] [ 0.52435] [ 0.69914] [ 2.47994]
   
R-squared  0.875433  0.893644  0.898234  0.947941
Adj. R-squared  0.579585  0.641047  0.656538  0.824299
Sum sq. resids  0.008025  0.001892  0.432959  0.091300
S.E. equation  0.031672  0.015380  0.232637  0.106829
F-statistic  2.959064  3.537833  3.716389  7.666861
Log likelihood  74.47337  94.69968  18.64014  40.43100
Akaike AIC -3.890955 -5.335691  0.097133 -1.459357
Schwarz SC -2.939380 -4.384117  1.048707 -0.507782
Mean dependent  0.016623  0.087725  1.298992  0.098572
S.D. dependent  0.048847  0.025671  0.396953  0.254862
   
Determinant resid covariance (dof adj.)   2.30E-14  
Determinant resid covariance   1.53E-16  
Log likelihood   350.9083  
Akaike information criterion  -18.49345  
Schwarz criterion  -14.11621
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
haoyun010
2012-7-26 10:43:51
本人认为，协整检验不需通过VEC模型来进行，应选择变量打开后按照Johanson的协整方法进行检验。即点击conintegrarion test便可进行检验。
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

skyxzt
2012-7-26 14:08:26
haoyun010 发表于 2012-7-26 10:43
本人认为，协整检验不需通过VEC模型来进行，应选择变量打开后按照Johanson的协整方法进行检验。即点击conin ...
所有变量都是一阶单整，之后也通过了协整检验，就是用JJ检验的，但协整检验之后不是需要做误差修正模型吗，由于是多变量，所以用的是VECM，上面是VECM的估计结果，但是不会读解，望指教，先谢谢了哈！！！
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

haoyun010
2012-7-26 21:00:12
skyxzt 发表于 2012-7-26 14:08
所有变量都是一阶单整，之后也通过了协整检验，就是用JJ检验的，但协整检验之后不是需要做误差修正模型吗 ...
可以理解你的研究过程了。协整检验之后的确需要做误差修正模型了，由于时间序列是通过协整检验的，因此应该做VEC检验了。关于向量误差修正模型检验结果的解释需要花时间和精力，对其结果的解释可以将误差修正模型估计结果即列出的结果列入表格中即可，向量误差修正模型是反映变量之间短期动态关系的实证检验方法，因此具体解释时，可以将横轴列出的LNGUI  LNPGDP LNPGDP2 LNSSL等变量分别作为被解释变量，纵轴上的变量作为解释变量，分别进行具体解释即可。
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

43263687
2012-8-2 11:46:59
借这个帖子请教一下，R-squared  0.875433  0.893644  0.898234  0.947941
Adj. R-squared  0.579585  0.641047  0.656538  0.824299

拟合优度和调整的拟合优度在VECM中重要么？因为我做出来的R-squared  和Adj. R-squared都比较小，在0.2左右，很担心。希望各位不吝赐教，谢谢
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

木土草雨田
2012-8-5 11:00:48
haoyun010 发表于 2012-7-26 10:43
本人认为，协整检验不需通过VEC模型来进行，应选择变量打开后按照Johanson的协整方法进行检验。即点击conin ...
问题一： D(LNGUI(-1))
D(LNGUI(-2))
D(LNGUI(-3))
D(LNGUI(-4))
D(LNPGDP(-1))
。。。。。。。。
这些变量怎么解释阿！
问题二：
怎么看长期的coefficient,哪个是y,哪个是x?
问题三：
error correction 系数的下面的t值不显著怎么办？

求求求指教！感激不尽～～～～（我的vecm结果也出来了，就是不会分析）
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