第一个例子的数据在上传文件里，叫chom

<p> <br/> wei<br/></p><p>为了节省时间，我把结果传上来，希望能有人给我指点一下。</p><p>真的很着急，在线等</p>

以上求助的问题是一个精英能解决的问题。遗憾，自己是心有余而力不足。估计你的问题在人大经济论坛上解决不了。

<p>data bidon;<br/>infile 'E:\Mes documents\serie temp\exemples\chom.txt' expandtabs;<br/>input idf rc<br/>date = intnx( 'qtr', '30sep1981'd, _n_ ); <br/>format date yyqs.; <br/>run;<br/></p><p><span style="color: rgb(0, 0, 255);">这步是导入数据</span><br/></p><p>proc print;run;</p><p><span style="color: rgb(0, 0, 255);">把数据打印到 output窗口</span><br/></p><p><br/>symbol i=j;<br/>symbol2 i=j;<br/>proc gplot data=bidon;<br/> plot idf*date rc*date / overlay legend;<br/>run;<br/>quit;</p><p style="color: rgb(0, 0, 255);">画图说话，(idf rc) *date</p><p>proc varmax data=bidon lagmax=5;<br/> model idf rc / p=2 dify(1);<br/>run;</p><p style="color: rgb(0, 0, 255);">向量自回归模型, y={idf rc}   滞后两阶 y需要做一个差分 dy_t=diff(y)， 即 dy_t ~ const + dy_{t-1} +dy_{t-2}</p><p>proc arima data=bidon;<br/>identify var= idf nlag=10 stationnarity=(DICKEY);<br/>estimate p=2;<br/>run;quit;</p><p style="color: rgb(0, 0, 255);">arima 模型，先对idf用一个最高滞后10阶的 ar模型进行识别，模型残差用DF检验平稳性；</p><p><span style="color: rgb(0, 0, 255);">然后发现p=2比较合适，进行估计</span><br/></p><p>data bibi;<br/>set bidon;<br/>didf=dif(idf);<br/>run;<br/>proc print;run;</p><p><span style="color: rgb(0, 0, 255);">数据步 对didf差分</span><br/></p><p>proc arima data=bibi;<br/>identify var= didf nlag=10 stationnarity=(DICKEY);<br/>estimate p=1;<br/>run;quit;</p><p><span style="color: rgb(0, 0, 255);">arima的识别，发现ar(1)合适</span><br/></p><p>proc arima data=bidon;<br/>identify var= rc nlag=10 stationnarity=(DICKEY);<br/>estimate p=2;<br/>run;quit;</p><p><span style="color: rgb(0, 0, 255);">同上</span><br/></p><p>data bibi2;<br/>set bidon;<br/>drc=dif(rc);<br/>run;<br/>proc print;run;</p><p><span style="color: rgb(0, 0, 255);">对rc差分</span><br/></p><p>proc arima data=bibi2;<br/>identify
var= drc nlag=10 stationnarity=(DICKEY); /*en passant en delta on exclu
la constante donc ici on utilise taux et non taux mu*/<br/>estimate p=1 noconstant;<br/>run;quit;</p><p><span style="color: rgb(0, 0, 255);">arima识别</span><br/></p><p>proc varmax data=bidon lagmax=5;<br/> model idf rc / p=2 dify(1);<br/>run;</p><p style="color: rgb(0, 0, 255);">建模 VAR  y=(idf rc)  dy_t~const + dy_{t-1} +dy_{t-2}</p><p><br/></p><p>proc varmax data=bidon lagmax=5;<br/> model idf rc / p=1 dify(1)noint;<br/>run;<br/></p><p><span style="color: rgb(0, 0, 255);">类似的，无常数项的 VAR</span><br/></p><p>proc arima data=bidon;<br/>identify var=idf(1);<br/>estimate p=1 noconstant;<br/>run;quit;</p><p>proc arima data=bidon;<br/>identify var=rc(1);<br/>estimate p=1 noconstant;<br/>run;quit;</p><p><br/> proc varmax data=bidon; <br/>model idf rc / p=1 dify(1) noint; <br/>causal group1=(idf) group2=(rc);   <br/> run;</p><p><span style="color: rgb(0, 0, 255);">做因果检验， idf against rc</span><br/></p><p> proc varmax data=bidon; <br/>  model idf rc / p=1 dify(1) noint; <br/>causal group1=(rc) group2=(idf);   <br/> run;</p><p><span style="color: rgb(0, 0, 255);">反过来 的因果检验 （因果检验是不对称的）， rc against idf</span><br/></p><p> proc varmax data=bidon; <br/>  model idf rc / p=1 dify(1) noint lagmax=16 print=(impulse=(all)) printform=univariate;<br/>run;</p><p><span style="color: rgb(0, 0, 255);">打印脉冲响应函数的值，按照变量的顺序依次显示</span><br/></p><p><br/></p><p>还有一个例子是用 proc iml的</p><p>proc iml ;<br/>phi={1 0 0 ,0 1 0 ,1 -1 0};<br/>sig={1 0 1 , 0 1 -1,  1 -1 3};<br/>call <span style="color: rgb(0, 0, 255);"> varmasim</span>( y , phi) sigma= sig  n=200  seed=2002;<br/>cn={'y1' 'y2' 'y3'};<br/>create  simul from y [colname=cn];<br/>append from y;<br/>quit;</p><p><span style="color: rgb(0, 0, 255);">simulate 一个参数为phi （IML的内置函数 VARMASIM）, sig的VAR观测序列{y1,y2,y3}</span><br/></p><p><br/></p><p>data simul;<br/> set simul;<br/> date=intnx('quarter', '01Jan1955'd, _n_-1);<br/> format date yyq4;</p><p><span style="color: rgb(0, 0, 255);">给序列打上date stamp</span><br/></p><p><br/>proc gplot data =simul;<br/>symbol1 v=none  i=join l=1;<br/>symbol2 v=none  i=join l=2;<br/>symbol3 v=none  i=join l=3;<br/>plot  y1*date =1<br/>  y2*date= 2<br/>  y3*date=3/overlay;<br/>  run;</p><p><span style="color: rgb(0, 0, 255);">画图</span><br/></p><p>proc varmax;<br/>model y1 y2 y3 /p=1 cointtest =(johansen);<br/>run;</p><p><span style="color: rgb(0, 0, 255);">用Johansen做co-integration检验</span><br/></p><p><br/>proc varmax;<br/>model y1 y2 y3 /p=2 cointtest =(johansen);<br/>run;<br/>proc varmax;<br/>model y1 y2 y3 /p=1 ecm =(rank=1 normalise= y1) noint;     没有 常数</p><p>run;<br/><span style="color: rgb(0, 0, 255);"> 具有1阶协整关系的VAR用ECM的形式表达估计结果</span><br/></p><p><br/></p><p><br/>proc varmax;<br/>model y1 y2 y3 /p=1 ecm =(rank=1 normalise= y1 ectrend) ;  *有常数;<br/>run;</p><p><span style="color: rgb(0, 0, 204);"><span style="color: rgb(255, 0, 0);">ectrend？没见过这个参数</span>.... 是要求ECM上带有时间趋势？</span><br/></p>proc varmax;<br/>model y1 y2 y3 /p=1 ecm =(rank=1 normalise= y1) ;  *常数在外边;<br/>run;<br>xmok77
&nbsp;金币&nbsp;+1
&nbsp;金钱&nbsp;+100
&nbsp;奖励&nbsp;2009-3-8 9:16:48