误差修正模型输出结果怎么转化？

0关注
1粉丝

硕士生

27%

还不是VIP/贵宾

-

0%

威望: 0 级
论坛币: 2 个
通用积分: 0
学术水平: 0 点
热心指数: 0 点
信用等级: 0 点
经验: 106 点
帖子: 55
精华: 0
在线时间: 210 小时
注册时间: 2008-12-15
最后登录: 2013-8-27

楼主

shixiaofeng1213 发表于 2012-3-7 18:14:09 |AI写论文

是否 +2 论坛币

k人参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

请问坛子的大侠，误差修正模型的输出结果怎么转化成方程形式啊？我已经做了协整检验，证明有协整关系，我做的是多元线性回归。。。。

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

分享0 收藏0 回帖

关键词：误差修正模型误差修正输出结果多元线性回归协整检验模型修正

回帖推荐

haoyun010 发表于7楼查看完整内容

的确，若变量通过协整检验，应用VEC模型进行检验，反之应用VAR模型检验。

本帖被以下文库推荐

· Eviews精彩问答|主题: 8540, 订阅: 77

沙发

leihengzhishang 发表于 2012-3-8 11:27:10

多个变量时，最好建立VAR模型。
误差模型的输出结果就是它的方程形式。。。。

藤椅

shixiaofeng1213 发表于 2012-3-8 14:52:48

leihengzhishang 发表于 2012-3-8 11:27
多个变量时，最好建立VAR模型。
误差模型的输出结果就是它的方程形式。。。。

感觉像是矩阵啊，看不太懂。。。你能帮我瞧瞧不？

板凳

leihengzhishang 发表于 2012-3-8 16:23:03

把结果发上来吧

报纸

shixiaofeng1213 发表于 2012-3-8 20:30:07

leihengzhishang 发表于 2012-3-8 16:23
把结果发上来吧

Vector Error Correction Estimates
Date: 03/07/12 Time: 19:21
Sample (adjusted): 1989 2009
Included observations: 21 after adjustments
Standard errors in ( ) & t-statistics in [ ]

Cointegrating Eq: CointEq1 CointEq2 CointEq3

LNPTX(-1)    1.000000    0.000000    0.000000

LNKL(-1)    0.000000    1.000000    0.000000

LNFDI(-1)    0.000000    0.000000    1.000000

LNPATENT(-1) -30.09744    27.99924    64.43317
         (4.50133)    (4.39062)    (9.79054)
         [-6.68634] [ 6.37705] [ 6.58117]

LNSCALE(-1)    64.19291 -61.52855 -141.2088
               (10.7683)    (10.5035)    (23.4214)
            [ 5.96129] [-5.85794] [-6.02905]

LNER(-1) -31.85917    29.20344    68.22184
      (6.44293)    (6.28447)    (14.0136)
      [-4.94482] [ 4.64692] [ 4.86827]

C -206.3919    191.1462    446.7495

Error Correction: D(LNPTX) D(LNKL) D(LNFDI) D(LNPATENT) D(LNSCALE) D(LNER)

CointEq1 -1.066974    0.111583 -1.377465 -0.792915    0.067620 -0.643999
      (0.41773)    (0.35722)    (1.09310)    (0.53184)    (0.42087)    (0.55200)
      [-2.55421] [ 0.31237] [-1.26014] [-1.49088] [ 0.16067] [-1.16666]

CointEq2 -0.473864 -0.639881 -1.924305 -0.115189 -0.644618 -0.837519
   (0.42349)    (0.36214)    (1.10817)    (0.53917)    (0.42667)    (0.55961)
[-1.11895] [-1.76692] [-1.73647] [-0.21364] [-1.51082] [-1.49660]

CointEq3 -0.279167    0.330591    0.228706 -0.313986    0.322319    0.075441
      (0.19072)    (0.16309)    (0.49907)    (0.24282)    (0.19215)    (0.25202)
      [-1.46375] [ 2.02701] [ 0.45827] [-1.29309] [ 1.67742] [ 0.29934]

D(LNPTX(-1))    0.148130 -0.780596 -1.521930    0.051391 -0.053955 -0.512616
            (0.36431)    (0.31154)    (0.95331)    (0.46383)    (0.36704)    (0.48141)
         [ 0.40660] [-2.50563] [-1.59646] [ 0.11080] [-0.14700] [-1.06482]

D(LNKL(-1))    0.210891 -0.193291    0.738866    0.574469    0.014847    0.297262
         (0.24419)    (0.20881)    (0.63898)    (0.31089)    (0.24602)    (0.32268)
         [ 0.86365] [-0.92566] [ 1.15632] [ 1.84782] [ 0.06035] [ 0.92124]

D(LNFDI(-1)) -0.021511 -0.079647 -0.530801 -0.238828 -0.082079 -0.160049
         (0.18827)    (0.16100)    (0.49267)    (0.23970)    (0.18969)    (0.24879)
      [-0.11425] [-0.49470] [-1.07740] [-0.99635] [-0.43271] [-0.64331]

D(LNPATENT(-1)) -0.691660    0.084489 -0.934094 -0.383517 -0.140282 -0.985706
                        (0.52517)    (0.44909)    (1.37424)    (0.66863)    (0.52911)    (0.69397)
                        [-1.31703] [ 0.18813] [-0.67972] [-0.57359] [-0.26513] [-1.42038]

D(LNSCALE(-1)) -0.071146 -0.157115    1.043457 -0.245429    0.368399    0.194795
                           (0.31732)    (0.27135)    (0.83034)    (0.40400)    (0.31970)    (0.41931)
                        [-0.22421] [-0.57901] [ 1.25666] [-0.60750] [ 1.15233] [ 0.46456]

D(LNER(-1))      -0.317409    0.097761 -1.396960 -0.072860 -0.144667 -0.653158
                        (0.39006)    (0.33356)    (1.02070)    (0.49661)    (0.39299)    (0.51544)
                     [-0.81374] [ 0.29308] [-1.36863] [-0.14671] [-0.36812] [-1.26718]

   C             0.276743    0.288050    0.485036    0.292294    0.115131    0.327504
                     (0.14149)    (0.12100)    (0.37025)    (0.18015)    (0.14256)    (0.18697)
                     [ 1.95587] [ 2.38064] [ 1.31001] [ 1.62255] [ 0.80763] [ 1.75160]

R-squared    0.676188    0.858629    0.606359    0.661126    0.747717    0.541264
Adj. R-squared    0.411251    0.742962    0.284289    0.383865    0.541303    0.165935
Sum sq. resids    0.060195    0.044019    0.412183    0.097574    0.061102    0.105112
S.E. equation    0.073975    0.063259    0.193575    0.094183    0.074530    0.097753
F-statistic    2.552257    7.423283    1.882695    2.384490    3.622419    1.442106
Log likelihood    31.67644    34.96271    11.47579    26.60478    31.51945    25.82339
Akaike AIC -2.064423 -2.377401 -0.140551 -1.581407 -2.049472 -1.506990
Schwarz SC -1.567031 -1.880009    0.356840 -1.084016 -1.552080 -1.009598
Mean dependent    0.148895    0.121957    0.100863    0.221375    0.101583    0.028914
S.D. dependent    0.096410    0.124774    0.228813    0.119987    0.110045    0.107036

Determinant resid covariance (dof adj.)    4.69E-15
Determinant resid covariance    9.69E-17
Log likelihood    208.3782
Akaike information criterion -12.41697
Schwarz criterion -8.537312

另外，想请教你下，标准化的协整向量里为什么我估计出来的不含常数项，而且系数都很大，是什么原因呢？我在做协整检验的时候，外生变量那栏填了C啊？万分感谢~~~~

地板

nikitanikita 发表于 2012-9-3 11:32:46

我也想知道啊

正在改变

7楼

haoyun010 发表于 2012-9-3 19:38:28

的确，若变量通过协整检验，应用VEC模型进行检验，反之应用VAR模型检验。

已有 1 人评分	经验	论坛币	收起理由
胖胖小龟宝	+ 10	+ 10	热心帮助其他会员

总评分: 经验 + 10 论坛币 + 10 查看全部评分

没有过不了的桥

8楼

帘卷海棠红 发表于 2014-9-5 19:33:46

shixiaofeng1213 发表于 2012-3-8 20:30
Vector Error Correction Estimates
Date: 03/07/12 Time: 19:21
Sample (adjusted): ...

楼主弄懂了吗？我想知道你的答案。。。

[问答] 误差修正模型输出结果怎么转化？ [推广有奖]

经管之家送您一份

经管之家联合CDA

感谢您参与论坛问题回答

扫码加我拉你入群

相关帖子

回帖推荐

本帖被以下文库推荐

浏览过的帖子

浏览过的版块

本版微信群

[问答] 误差修正模型输出结果怎么转化？ [推广有奖]

经管之家送您一份

经管之家联合CDA

感谢您参与论坛问题回答

扫码加我 拉你入群

相关帖子

回帖推荐

本帖被以下文库推荐

浏览过的帖子

浏览过的版块

本版微信群

扫码加我拉你入群