与时间序列相关的STATE命令及其统计量的解析.docVIP

与时间序列相关的STATE命令及其统计量的解析f describe ，detail 7． VAR 模型的预测227 窗口操作：Statistics——Multivariate time series——Dynamic forecast 命令格式1（对于VAR、SVAR 模型）： fcast compute prefix 命令格式2（对于VECM 模型）： fcast compute prefix 对预测进行作图 命令：fcast graph prefixvar(prefix 变量名) 小结大概流程： ① 估计VAR 模型 ?6?1var y x z ?6?1est store VAR1 ② 根据信息准则确定VAR 模型的最优滞后结束，根据结果重新估 计 ?6?1varsoc x z ，maxlag(#) ?6?1var *(全部变量，或者 ln*所有的对数变量)，lags(1/3) (比 如最优的滞后期为3，滞后期123) ?6?1est store VAR2 ③ 考察VAR 模型的平稳性 ?6?1varstable，estimates(VAR2) graph dlabel ( 画图并标出具 体数值) ④ 检验VAR 模型残差的正态分布特征和自相关特征 ?6?1varnorm，jbera estimates(VAR2) ⑤ 对各变量进行Granger 因果关系检验 ?6?1vargranger （，estimates（VAR2）) ⑥ 绘制脉冲响应图以及预测误差方差分解 ?6?1var y x z，lags(1/3) ?6?1irf create irfname，set (名称) ?6?1irf graph irf (，estimates（名称）) ?6?1irf table fevd(，estimates（名称）/预测区间{n8}step(n)) ⑦ 根据VAR 模型的估计结果进行预测 ?6?1预测n 期(n8) fcast compute prefix(，step(n)) fcast compute f_(，step(n)) 将VAR 模型与IRF 相结合的窗口操作： Statistics——Multivariate time series——Basic VAR 约翰逊协整检验 协整检验是对非平稳变量进行回归的必要前提。只有存在协整关 系，协整回归才有意义。在各种协整检验方法中，Johansen(1998) 在VAR 框架下的特征值检验和迹检验应用最为普通。命令格式为： vecrank var1 var2 （,lag(n),trend(constant)) 输出结果： max 输出极大特征统计量 ic 输出信息准则 levela 输出1%和5%的临界值 例如： vecrank depvar var，lags(n) ic max 窗 口 操 作 ： Statistics — — Multivariate time series — — Cointergrating rank of a VECM 向量误差修正模型 由一阶单整变量构成的VAR 模型中，如果变量存在协整关系，那 么VAR 模型存在对应的向量误差修正（VEC）表达式。 命令格式：vec 变量（ ，模型设定) 模型设定： rank(n) 协整方程的个数，默认选项为rank(1) lags(n) VAR 模型的最高滞后阶数 trend(constant) 包含无约束的常数项(state 默认值) trend(rconstant) 包含有约束的常数项 trend(trend) 包含趋势项 trend(rtrend) 包含有约束的趋势项 trend(none) 既不包含趋势项也不包含常数项 输出结果： alpha 将调整系数单独列表 pi 输出pi 矩阵，即pi=(alpha)(beta) mai 输出MA 影响矩阵的参数 dforce 输出短期参数、协整参数和调整参数 注意：必须先设定时间格式 tsset Varlist 可以包含时间序列符号。 支持循环递推 不允许时间序列存在间断点 在VEC 模型中，同样可以进行模型的平稳性条件检验、残差的正 态分布检验和自相关检验。 命令格式为：  vecstable  vecnorm  veclmar 与VAR 命令相类似。 VECM 建模 窗口操作：Statistics——Multivariate time series——VECM VECM 各种检验 窗口操作：Statistics ——Multivariate time series ——VEC diagnostics and tests