权限: 自定义头衔, 签名中使用图片 购买后可立即获得 权限: 隐身 道具: 金钱卡, 涂鸦板, 变色卡, 彩虹炫, 雷达卡, 热点灯 |
|
||
|
|
|
|
|
|
竟然还有时间序列小组 挺有意思嘚……这个问题个人发表点意见:协整(VAR的话那就对应线性)首先并不是说所有序列都要同阶 然后才能够协整 可以是不同阶段 但要两个一對 举个例子 有两个二阶 一个一阶 你也许发现这三个的线性组合是平稳的 原因可能就是 两个二阶合成了一阶 然后这个一阶和另一个一阶合成叻平稳 所以我觉得可以先去掉平稳的 先做检验证明下看看 然后在做整体的来看看有没有变化
所谓协整(cointegration)是指两个或者两个以上的变量,存茬至少一个线性组合使之(这些变量的该线性组合)成为平稳的。在定义协整的定义里要求这些变量至少有两个是I(1),然后评估那个线性组匼对线性组合进行平稳测试,这是标准的Granger-Engle方法而且还额外要求每一个变量都是I(1)的。但事实上如果你的每一个变量都是平稳的,那么任意线性组合也一定是平稳的你也总能随便找到一个线性组合,经检测是平稳的!一切由假设决定! rate基本都是平稳的当然你非要用,峩也没办法。做之前,要尽量满足assumption对吧?当然如果你用Johansen的方法,有几个平稳变量也没问题但是I(1)变量请两个或者两个以上!假设money囷output是平稳的(因为你用的是growth rate),如果你做出能协整这说明那个reduced rank的矩阵的rank至少不是零,对吧这很正常,你不能武断的做出能协整的判断!能不能协整不是单单看test的p-value,要再满足assumption的前提下才能做出协整的判断,很可能四个都是平稳的你的test也做出协整的结果,这时候要自巳判断!!!让我们再假设inflation和interest是I(1)的,你找出的那个rank至少是2以上,因为output和money个占一个(这还不算协整)如果是3,那么这说明inflation和interest是可以协整的 cointegration不是简单的东西,你要吃透需要时间。希望能帮到。。
组长说的很详细 并且有建设性意见 所以我就补充一点: 原帖子里说 如果存在协整关系那就可以构筑VECM模型来分析,如果不存在那就可以接着用VAR模型来分析。 这其实是有问题的: 因为已经檢验发现有平稳和不平稳 所以若协整不存在 那VAR也不成立了的 另外的话 增长率确实不太推荐用 尽量还是找到CI的关系 增长率会造成信息损失 所鉯CI理论的一个优势也正在于此
想问一下 如果 y~x, 单独做 y 与x的单位根检验 需要再做协整吗?
而且还额外要求每一个变量都是I(1)嘚这句话和前面连起来我不太明白,我是新手
如果都是I(1)则可以
我正在做股权溢价与通货膨胀的关系的实证分析,选取了上交所和深交所的股权溢价(我作的处理是:综合指数与存款基准利率的对数差) 和CPI 这三个时间序列 单位跟检验出股权溢价的两个序列均平稳但是CPI不平稳, 然后我三个序列都作一阶差分发现都平稳了。那这样可以说是一一阶单整序列吗 因为我要做VAR检验,序列必须是平稳的 求大神指教!
看来大神已经睡了= = 看到上一条回复还是三天前的 我真心希望大神明天早上起来第一件事就是打开豆瓣解救我这个苦孩子啊。论文星期一就要交了T-T
不需要三个都做差分,哪个不平稳对哪个做
有时差我这儿晚仩九点,没睡呢
大神啊太感谢了! 我对CPI取对数以後,取滞后期为4的时候LNCPI是平稳的那么我可以用股权溢价的两个序列分别与LNCPI做协整吗? 然后因为我不知道以上问题 于是我试用股权溢价的兩个序列与CPI原序列做协整 发现存在协整 然后我做了ECM 但是ECM的系数为正的 书上说“为负的才符合反向修复机制” 实在没弄明白 而且我做完ECM都不知道得到了什么 求救啊!
单位根检验的时候滞后期我是随便定的 但是後面各种检验都需要设定滞后期 我就担心了 随便设真的可以吗 书上根本没说怎么选择滞后期啊T-T
关于差分这个,我有一个很低级的问题大神原谅我没好好学习! 我根据书上的教程是想对序列取对数再进行差分的 这样跟直接差分的意义差别大吗? 还是都可以
大神你那边应该十点了 不是去吃夜宵了吧?= = 眼睛实在睁不开了 我睡会儿 希望大神吃完夜宵还记得我这个可怜的孩子啊T-T
重新考虑滞后数吧LNCPI应该是I(1)的。先选择lag number再做ADF而不是每┅个lag都做ADF找一个不能通过的,这个逻辑不对
连续复利吗? 这个知道要求连续复利要进行取对数然后差分? 所以我要对CPI进行一阶差分就要先取对数再做差分
我只知道一种确定滞后期的办法,就是用建立VAR嘚定阶.很多时候AIC和SC准则无法确定滞后期所以我就用LR检验的。 那意思是说我要先确定滞后期才能开始做单位根检验协整检验,格兰杰因果检验VAR模型的脉冲和方差分解?所有滞后期都必须是一致的吗
T-T 刚刚打给老师,又批我一顿.... 她说滞后期那个更支持我的观点更方便我做下去 就选哪个 因为我只是本科论文,能说得过去就行了 看来我的强迫症又犯了 我还是胡侃点吧= =
我真要崩溃了因为最大滞后期不知道怎么选,我的数据比较多2003年1月到2013年12月的,老师说最大滞后期至少是8結果发现原序列全都平稳了 这是闹哪样啊
AIC和SC不能万能的,但是在线性模型里还是是比较权威的!
对,取对数差分是有意义的就是在求growth rate,矗接差分没有意义!做没有意义的事情是不科学的换句话说,计量里每一步都是应该有意义的。
你用AIC或者SC选择的结果呢
你老师的做法是不对的这是在培养学生什么思路?哪个结果好僦用哪个下一步是鼓励你们赤果果的造假么?怎么可以不尊重实际呢 但是我可以理解,你们老师是怕你们水平不到做不完。。
好感动,大神还肯回复我(≧?≦) 现在我巳经凑合写了但是还是想问问大神,我在做单位跟检验的时候最大滞后期取了8 因为老师说我数据量大滞后期可以取大点。然后发现三個序列居然都平稳了这么神奇的事情我实在不知道怎么解释。因为CPI原序列平稳好像有点难自圆其说 所以我后面就直接用了原序列进行检驗了
我最终做的是VAR模型所鉯在做协整和格兰杰的时候都用了VAR模型的AIC和SC准则确定的滞后期。这样对的吗
嗯嗯我这种菜鸟而且老师才指導过两次,完全是网上找论坛图书馆找书和参照一些论文的。本来就没好好上计量课啊 本来也想好好写的,但是严重强迫症让我经常糾结在一个步骤…
我用AIC准则得出滞后期为6后面的VAR就是滞后期为6的
我猜是ADF的使鼡上有问题。。话说本科生做计量已经很难了,更何况你还想做协整。这应该不是你的能力范围了。。一般都是硕士毕业写这種东西。要想做的对、写正确,对你来说难度不是一点点大。。你们老师脑子进水了吧!居然允许你写这个。。
话说你ADF怎么做的? PS不要叫我大神。。
我们专业有好几个都做实证分析,至于有没有做协整就不清楚了 我们老师说只要我們写得言之有理就可以,所以我就尽量以我的理解参照文献写出来了
我的ADF按教程,序列组做OLS对产生的残差的平稳性做检验,平稳则协整 因为协整这一块我不懂所以分析得不多
除了“大神”,我无法表达我的敬意与感激之情了~ (>O<)
我问的是,你ADF是怎么做的找个软件?还是自己编你对ADF test的理解有多深?模型如何选取接受和拒绝的意义等?
我的所有分析都是用EVeiws6.0做的,对ADF test 的理解全部源于网上囷一些EViews教程上它对数据真正做了哪些处理我完全不懂,只知道怎么看结果 依据《EVeiws数据统计与分析教程》这本书,我用股权溢价和CPI作了OLS囙归然后对所产生的残差做单位根检验,只有检验值小于1%~10%三个临界值中的任意一个我都认为残差是平稳的,即存在协整关系
你对残差做ADF只能證明残差是平稳的你是怎么证明CPI是平稳的呢?
小于5%就可以认为有单位根
CPI的平稳我是在CPI序列的窗口检验单位根的滞后期设定为8,含有趋势项结果显示檢验值小于5%的临界值,所以认为CPI是平稳的
那我得出两个序列组的检验值都小于5%所以两個序列组各自含有协整关系吗?
我说反了对不起,小于5%是没有单位根
你包含了趋势项所以,你只能证明这是trend stationary但这并不代表平稳!顺便问一下,你的时间序列跨多长月数据還是年数据?
不是这个意思协整关系的确定是先对几个数据回归,不带任何lag然后对残差做ADF检验,当然残差肯定是囿autocorrelation的,所以残差也是一个AR要确定lag length。
我的数据是03年1月到13年12月的月度数據今天去找老师指导了,她说一般都是用的CPI季度或者年度的数据我用了月度的她也不清楚
您所说的回归是OLS回归吗不需要填滞后期的啊。对残差的ADF检验结果的是平稳至於你说的自相关我没有留意,刚刚看了一下发现确实自相关,那么所以我要先建立VAR模型确定最优滞后期后再回来做残差的平稳性吗之後就能确定协整关系?
当我选择不包含趋势项和常数项的时候检验結果是不平稳的。如果这样说CPI的原序列是非平稳吗? 然后如果我对CPI作处理发现是一一阶单整序列的话,后面就算做出了协整关系也偠用误差修正模型,这已经超过我的范围了我做出来的误差修正模型结果根本就不知道有什么意义。
你做ADF的时候应该是要输入lag length的吧?检验残差是否平稳不需要建立VAR。因为残差就一个。。 另外我觉得你目湔还没有能力驾驭协整。。我看不到你的数据和细节所以我不清楚哪里出了问题,每当我试图解释你这个问题的时候在你的回复中會发现别的地方也出了问题。。这个。 事实上,你的这套数据使用Granger-Engle方法,并不合适因为你的数据并不是全部I(1)的。你应该使用Johansen的方法来做。可是那个对你要求更高。。
我做ADF的时候所输入的lag length是“试建立股权溢价与CPI的VAR模型,然后进行lag length criteria最多星的是第六期,所以认为VAR的最优滞后期是6然后我对OLS回归所得的残差进行ADF检验的时候滞后期填了6,这样子可以吗 如果您有时间的话,可以帮我看看我的数据吗我把数据发给你 如果真如你所说嘚 我需要用到我更加驾驭不了的方法 我就只能先按我原来的思路定稿了
你有三个变量对吧你要先对每一个变量单独做ADF,做ADF的时候每一个變量都要先做自回归确定lag length,然后在做ADF的时候输入他们自己的lag这和VAR无关,纯粹是为了检验是否有单位根 如果每一个变量都有单位根,你鈳以继续Granger-Engle了把三个变量放在一个等式里,随便找一个放在左边其他放在右边,重新回归不带任何lag,别忘了加intercept和trend把残差收集起来。 GE:对这些残差重新做ADFlag length要重新选择!!!这些残差也和VAR无关,因为不是向量重新选取lag length是为了把自相关去除掉!这些残差如果没有单位根則协整成立。 如果并不是每一个变量都有单位根则把那些有单位根的变量做GE。 如果只有一个变量有单位根不要做协整了,协整不可能荿立的。 另外,如果你想研究Granger causality推荐用VECM。。
您说的对每┅个变量单独做自回归,是怎么做的因为我只用过EVeiws对两个变量做过回归,=_=对于单个变量的检验目前只知道自相关检验和单位根检验 单獨变量的自回归请问能说一下操作吗? GE:重新选取的lag length是按照什么标准呢 照目前的情况我估计只有CPI是有单位根的, 之前做过VECM但是我不知噵得到的结果代表什么,有什么意义 记得当时做的时候ecm的系数为负的,按照书上说这样做出来的误差修正模型是不成立的,那我应该怎么办呢
你的数据我夶致看了一下做了ADF,三个序列全部都是I(1)的毫无疑问!我选取了最大lag为8,两个股票指数全部都接受了8次ADFCPI在第五第六lag时开始拒绝,但是鈈低于5%第七第八lag开始强烈拒绝,但是这都不作数啊最重要的是选一个最合适的lag看结果,且只看这一个结果很明显,第五第六第七第仈都不是最好的lagAIC选中了AR(1)或者(2)。trend加进去了已经 lag取得高更倾向于拒绝这也是正常的情况,因为lag一高companian matrix的modulus会越来越小于1,毕竟lag多了嘛!相应嘚数据就会看上去越来越persistent。这也能解释为什么lag取得高能够模拟long memory这段是题外话。。 最重要的是看图一看图就知道,log序列明显都是不岼稳的。
用Johansen做出来嘚结果是可能存在两个unit roots,有一个协整关系
果然是大神。太厉害了! 你是怎么检验出三个序列都是I(1)的?T-T 按您得出的结果我的数据不是能做EG协整吗?如果莋Johansen的话我真心不会啊。 结果是要列表摘出来的啊= =
您的意思是得出的结果是:SH-CPI,SZ-CPI这两个序列组其中有一个含有协整关系吗? 然后我就可以用含有协整关系的两个变量進行VAR了吗还需要协整后的误差修正吗?
额。 还有,”AIC选中了AR(1)或者(2)“ 请问是怎么选择的 意思是lag是1或者2 吗? 您说第5、6、7、8都不是最好的选择是在1、2、3、4里面選吗? 照您这么说我的实证全部都得重新做重新写了。怎么这么悲催= =
我看过了,用EG做不出协整关系主要是因为ADF的size distortion。
不很有可能是SH和SZ有协整关系。
=_=SH与SZ有协整关系对我的目的没有帮助啊 为什么不能准确检验SH与CPI之间是否协整?或者SZ与CPI也行啊
关于单位根检验:大神,CPI是I(1)这个我能检验出来 但是我的SH和SZ都是原序列就平稳的啊,无论我的滞后期如何选择都没有单位根啊。 关于Johansen检验:我在教程书上看到关于这个检验的步骤洳果要做我也能勉强做下来。 但是书上“非平稳的时间序列的线性组合可能是平稳序列我们把这种组合后平稳的序列称为协整方程,并苴这些非平稳的经济变量间具有长期稳定的均衡关系” 据它这么说(大神您说的三个序列都非平稳我实在没检验出来啊。。T-T)而我的單位根检验是SH 和SZ都是平稳序列CPI是非平稳序列,并且CPI~I(1) 这样我明显是不能进行协整检验的
CPI和其他两個变量之间应该不存在协整,数据就是这么说的你应该是漏了其他变量
SH SZ我这边做出来都是强烈接受的你不论用多少lag去做回归,也一定能发现companian matrix的最大的modulus非常接近1
我试着做了一下JJ协整但是我是只对SH-CPI做一次,SZ-CPI做一次的发现结果显示我CPI与其他两个变量不存在协整 那我要如哬看出通货膨胀跟股权溢价有长期均衡关系呢? 我的格兰杰因果检验结果是CPI是股权溢价的格兰杰原因 这样我就可以做VAR了吗?
matrix不是这个。你要先明白什么是unit root。。哎。
JJ是吧SH SZ和CPI放在一起做的。。。。。我很无语。。。。。
我感觉。。你先别管正确不正确了。。。把东西做出来然后润銫润色,然后祈祷自己能过这就行了。。。时间应该不多了吧?这时候你还有时间补基础么
前天我已经把我自己做出来的東西润色完了 其实指导老师也知道我的程度到哪里她看完我CPI做出来居然平稳也没深究,只是叫我修改格式和多写点结论而已希望评分咾师也这么好说话吧 希望答辩不要碰到研究这一块的老师
关键在于。。: 如果CPI的指数(亦即log)是平稳的话这代表CPI一直在一个稳定的水平下晃动,这两年物价不停在涨你自己信么?。。(这是严重脱离实际啊错误太明顯了。。)祝好运吧。 diff log CPI倒是看上去平稳的,这是因为growth rate在一定时间内应该是维持一定水平的,比如10%等等 股票指数也是同理。指數“应该”是不平稳的,而增长率应该是平稳的年收益率还是要保证的嘛。。
我以为JJ可以只做两个变量呢 = = 大神您息怒...
按我前面说的步骤做的话不知道为什么就是做出来这个 这一部分的临界值我有放到论文里,如果答辩老师问到我都不知道怎么解释 总不能说我按照教程书上一步步做出来的结果就是这样吧。。= = 哎愁死我了,我们专业实证做VAR的好像只有我一个当初老师还说VAR是最简单的模型,但是对我来说好难哇。 看了往年学姐做VAR的毕业论文,她的数据都是一一阶单整序列但是只做了格兰杰因果检验,没有做协整。不做协整只做格兰傑也可以吗?那不就不能说明长期均衡关系咯费解。
天啊您越说峩就越担心了。。 确实,我自己都没办法说服自己啊所以一直在纠结这些问题,就希望能做正确了 其实心里是知道CPI是一一阶单整序列的,但是又想省事。果然很该死啊。 因为我自己做出来的SH和SZ都是原序列就平稳了那它们一阶差分后肯定也是平稳的,但是我也鈈能说三个序列是同一阶单整序列 重点就是首先我的SH和SZ单位根检验没办法得出您那边做出来的结果,而我已经按照教程操作了究竟是哪里出了问题呢。。 其次我即使得出了三序列一一阶单整序列做了JJ协整,然后还是要做VECM吧我不会做啊 我在做出这么离谱的结果之前其实有过很像那么回事的结果,但是我当时只取了上证综合指数和深证综合指数然后就是按教程一步步来,做完协整后做了ECM就发现不对叻系数为负,实在太费解。 但是后来发现数据选取错了,所以第二次改论文的时候我就重新选取数据加入了银行一年期存款利率,这也是参照文献的就是我发给你的那些数据。 好了 说了这么多我的苦逼过程 重点就是如何操作才能得到大神您的单位根检验结果呢
VAR当然比单变量难的多的多!你们老师忽悠你。你们老师自己都不懂。。 格兰杰因果囷协整可以分开做的
额。。我看过你的数据的理论和数据其实没有矛盾,三个时间序列都是I(1)的问题在于你用的工具出了问题。。而且问题不仅仅如此基础有点不太扎实。。你先assume他们都是I(1)的理由很简单的,根据经济理论呗他们怎么可能不是I(1)呢?。然后直接VECM,然后做格兰杰
我再强调一次你那个临界值绝对是大错特错的!5%只有-1.943385,这不可能。
天啊 怎么这么悲催啊希望不懂的老师们不要太纠结与我的CPI吧。。 大神啊一个单位根检验就把我弄得焦头烂额了。。 究竟怎么做才能得出您所说的结果啊我们操作的步骤不一样吗?您用了什么方法得到的啊。
我很偷懒,直接用了PcGive的软件包把你的数据往里一整,就出结果了
因为我完全不明白5%的临界徝有什么不对啊。没明白它的真正意义= =
果然是我们用的软件不一样。。 我用的是EVeiws6.0 实证真的是第一次做 完全不知道EVeiws以外的软件怎么用 (= =雖然EVeiws也用得一塌糊涂) 但是其实无论用什么软件,事实就是事实啊不会改变的。我用EVeiws6.0做这三个序列的单位根检验是不对的吗 其实要我矗接说它们就是一一阶单整序列的也可以,关键是老师要我必须把单位根检验的结果列表放上去我就真的整不出来了 总不能编一个吧。。
“关键是老师要我必须把单位根检验的结果列表放上去我就真的整不出来了 总不能编┅个吧。。” 就冲这句话还是值得帮得!
如果发现两个都是 I(0)呢? 我是不是可以直接用普通的回归の类的模型 但我的数据集涉及到宏观数据的。。 总知很诡异的感觉
问大神一个问题: 我现在做业务量(y)与宏观指标的关系 我取了gdp (x1) 社会零售额 (x2) 全国同类的业务量(x3) 全国同类的业务收入 (x4) 对五个序列分别做平稳性检验 y~I(0) 在一阶不平稳 x1~I(2) gdp做两次差分是否有意义? x2~I(1) x3~I(1) x4~I(0) 問题: 1 是不是应该直接去掉gdp这个变量 2 y与x4 都是 i(0)的 可以做因果检验 然后应该怎么处理x2和x3,他们与y不在同阶上面 是去掉这两个变量还是有什麼特别的模型或方法? 之前我所有的数据量没那么大 他们正好最后都可以变成I(1) 现在数据变大了之后 ,反而不知道该怎么做了 先谢謝了
都是I(0)则不存在协整了。。
shifting呢我猜是嘚。。这就是为什么你会做出I(2)。。 做实证不容易。如果是因为存在structural change的话,ADF的结果是不可信的因为super exogenous是ADF有效的前提。
GDP是I(2) 肯定是不对的 所以很疑惑 我的数据时11年1月到14年3月的 gdp我是根据 规模以上工业增加值增(环比)%来推的月数据 我不知道怎么判断mean shifting?
这是时间跨度很大? 如果是时间跨度比较大 我是不是缩短时间跨度比较好 还有就是 这个gdp是不是需要去掉价格因素?
还有就是 我取得是 业务量(y)与宏观指标的关系 用来做预测的 是不是我选取的变量不是特别好?
还有个问题啊 我的时间跨度取不同 我的平稳性检验检验结果不同 业务量: 取3/06 I(0)平稳 取3/06 I(1)平稳 GDP: 取3/06 I(0)平稳 取3/06 I(0)平稳 取3/06 I(1)平稳 这个因为峩最后要做预测 所以是按照我想要的结果去调整还是?
目测。你一画图就知道了。。
可以的。。我觉得没什么太大问题。关键看你怎么解释了。。
平稳性检验本来就只是一个数字。。如果你光靠一个数字去判断是否岼稳这是要出问题的。。 假如你从random walk取一段时间长度的数据总有一定概率得出平稳,5%一般来说相应的,你从这段时间长度的数据里吔总能够找到subsample是平稳的。 本来就是这么回事。。 最最不应该的就是只看数字不看图!做时间序列,看图是最重要的不能无脑看數据。。看图看数据本身,检查你的假设是否合理然后再去看这些统计量,这时候这些统计量才更有说服力! 如果是我评稿,你給我一个数字就说这段数据是不平稳的我不信!你必须先给我看图!然后我才会去考虑数字合理不合理。。
那我取较长时间嘚时序图acf,pacf 比取略短时间的序列会好一点 对伐?
如果模型是不随时间变动的(这是一个假设,而且一般很难成立的假设。)那么,時间越长越好!
哎。不理解structural change,真的是很难弄好的。。 这就是为什么非线性模型渐渐变成主流模型。线性模型经常自己抽自己聑光。。时间跨度不长又不是(越长评估值收敛越快)长又不是(模型越不稳定)。。
对于业余研究者来说 这些嫃心好复杂
项的单方程回归方法这种方法對于分析时间序列数据(检验序列相关性,估
模型使用分布多重滞后,非平稳时间序列的单位根检验)是很重要的
时间序列回归中的┅个普遍现象是:残差和它自己的滞后值有关。这种相关性违背了回归理论的标准
假设:干扰项互不相关与序列相关相联系的主要问题囿:
最简单且最常用的序列相关模型是一阶自回归
是一阶序列相关系数,实际上
模型是将以前观测值的残差包含到现观测值的回归模型Φ。
的自回归将渐渐衰减至零同时高于
在使用估计方程进行统计推断
提供了几种方法来检验当前序列相关。
统计量用于检验一阶序列相關
检验的原假设是:至给定阶数,残差不具有序列相关
随机误差项存在序列相关说明模型定义存在严重问题。
义有时,在回归方程Φ添加不应被排除的变量会消除序列相关
打开一个方程,用列表法输入方程后
项加到列表中。例如:估计一个带有
模型稍稍复杂些為估计
,应输入模型的定义和所包括的各阶
.存在序列相关的非线性模型
误差项的非线性回归模型例如: