发布时间 : 星期五 文章与时间序列相关的STATA_命令及其统计量的解析更新完毕开始阅读2bdf2ff490c69ec3d4bb7551
窗口操作：Statistics——Multivariate time series——Granger causality test
6．脉冲响应与方差分解（223）
脉冲响应与方差分解是一个问题的两个方面。
脉冲响应是衡量模型中的内生变量对一个变量的脉冲（冲击）做出的响应{一对多，一个变 量向下所引起的其他变量的变动}，而方差分解则是如何将一个变量的响应分解到模型中的内生变量{多对一，一个变量的变动向上追溯引起该变动的若干原因}。
STATA 的irf 命令用于计算VAR、SVAR、VEC 模型的脉冲响应、动态乘子和方差分解。 注意：该方法的操作使用于var、svar、vec 估计之后。 （1） 创建irf 文件
STATA 命令：irf create irfname ，set(名字) （先进行var, 然后使用这条命令就可以直接把刚刚 var 的结果保存到该 irf 文件里，并且只有这条命令是最好用的，其他命令即使可以建立irf 文件但是不能把var 的结果保存进去，那也是没用的。）
激活irf 文件 ①显示当前处于活动状态的irf 文件： STATA 命令： irf set ②激活（或创建）irf 文件： STATA 命令：irf set 文件名称 ③创建新的irf 文件并替换正在活动的irf 文件： STATA 命令： irf set 文件名称 ，replace ④清除所有活动的irf 文件： STATA 命令： irf set ，clear
窗口操作：Statistics——Multivariate time series——Manage IRF results and files
（2） 用irf 文件作图（223）
对于VAR、SVAR、VEC 模型，脉冲响应函数（IRF）的类型包括简单脉冲响应、正交脉冲响应、动态乘子三种，方差分解包括 Cholesky 分解和结构分解两种。没种模型可以采用不同的分析工具。
窗口操作：Statistics——Multivariate time series——IRF and FEVD analysis ? 简单的IRF：（VAR/SVAR/VEC 之后）
命令：irf graph irf（，使用哪个文件 set(文件名)/ 脉冲变量 impulse(变量名)/响应变量response（内生变量名））如果不加约束就是默认当前打开的文件
? 动态乘子：(VAR 之后) 命令：irf graph dm（，使用哪个文件 set(文件名)/ 脉冲变量
impulse(变量名)/响应变量response（内生变量名）） ? 方差分解：（VAR/SVAR/VEC 之后）
命令：irf graph fevd（，使用哪个文件set(文件名)/ 脉冲变量 impulse(变量名)/响应变量response（内生变量名））
联合图表：将多个脉冲响应图或方差分解图结合起来） 命令：irf cgraph (irfname 脉冲变量 响应变量 方差分解的方法 fevd/IRF 的方法 irf) (irfname 脉冲变量 响应变量 IRF 方法 irf/方差分解的方法fevd) 叠加图表：（将多个脉冲响应图或方差分解图叠加起来）
命令：irf ograph(irfname 脉冲变量 响应变量 方差分解的方法 fevd/IRF 的方法 irf) (irfname
5
脉冲变量 响应变量 IRF 方法 irf/方差分解的方法fevd)
（3） Irf 列表
STATA 命令：irf table IRF 方法irf/方差分解方法fevd 联合列表：（将多个脉冲响应图或方差分解列表结合起来）
命令：irf ctable (irfname 脉冲变量 响应变量 方差分解的方法 fevd/IRF 的方法 irf) (irfname 脉冲变量 响应变量 IRF 方法 irf/方差分解的方法fevd)
（4） Irf 其他命令 命令： irf describe irf 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 ? var y x z
? est 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
? varsoc x z ，maxlag(#)
? var *(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)
? est store VAR2 ③ 考察VAR 模型的平稳性
? varstable，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
? varnorm，jbera estimates(VAR2) ⑤ 对各变量进行Granger 因果关系检验
? vargranger （，estimates（VAR2）） ⑥ 绘制脉冲响应图以及预测误差方差分解
? var y x z，lags(1/3)
? irf create irfname，set (名称)
? irf graph irf (，estimates（名称）)
? irf table fevd(，estimates（名称）/预测区间{n<8}step(n)) ⑦ 根据VAR 模型的估计结果进行预测
? 预测n 期(n<8)
fcast compute prefix(，step(n))
6
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
7
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
8