generalized impulse response

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

最近需要做VAR，遇到一个问题：stata是否有现成的（可以是用户写的）计算Pesaran and Shin (1998, Economic Letters, "Generalized impulse response analysis in linear multivariate models")的程序？
查找的过程中看到这个：http://www.stata.com/statalist/archive/2011-06/msg00451.html
大意就是stata的simple irf就是pesaran and shin的。不过我大略看了一下stata12的文档， 我觉得这个simple irf并不是Pesaran and Shin的那个。对吗？
另外，Pesaran and Shin里说，他们的方法也可以用来计算fevd，好像stata12也没有现成的程序可以做。。。
不知道有没有朋友遇到过类似的问题，是怎么解决的？

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：Generalized Generalize response General impulse

其实您的问题很好。

按您提供的的网址，Brandon说他已经verified，当然您还是可以怀疑啦！
本版有一些讨论，但没有实际演练check一下。【当时那帖子的楼主没提供资料，否则我会立即check】
https://bbs.pinggu.org/thread-1155231-1-1.html

如果要检验的话，建议楼主您 使用相同的资料， 一是使用Stata的用 default的 irf 即可，
另一个就使用EViews 去做
【当然，您如果不想check，直接用EViews 的结果也ok，因为，EViews的girf 是您要的，这一点我敢确定】
至于EViews如何得到girf，请参见
https://bbs.pinggu.org/thread-1352792-1-1.html

希望对您有所帮助

祝  顺心 研安  

h3327156 发表于 2013-7-5 16:47
其实您的问题很好。

按您提供的的网址，Brandon说他已经verified，当然您还是可以怀疑啦！

非常感谢您的回答。我的理解是brandon verify了变换变量顺序irf结果不变，而并没有把stata和eviews的结果相比较。这里我尝试做一下比较。

先是stata的结果：

1. . webuse lutkepohl2
   
2. (Quarterly SA West German macro data, Bil DM, from Lutkepohl 1993 Table E.1)
   
3. r; t=0.44 8:58:31
   
4. 
   
5. . tsset
   
6.         time variable:  qtr, 1960q1 to 1982q4
   
7.                 delta:  1 quarter
   
8. r; t=0.17 8:58:37
   
9. 
   
10. . var dln_inv dln_inc dln_consump
    
11. 
    
12. Vector autoregression
    
13. 
    
14. Sample:  1960q4 - 1982q4                           No. of obs      =        89
    
15. Log likelihood =  742.2131                         AIC             = -16.20704
    
16. FPE            =  1.84e-11                         HQIC            = -15.97035
    
17. Det(Sigma_ml)  =  1.15e-11                         SBIC            = -15.61983
    
18. 
    
19. Equation           Parms      RMSE     R-sq      chi2     P>chi2
    
20. ----------------------------------------------------------------
    
21. dln_inv               7     .044295   0.1051   10.45617   0.1067
    
22. dln_inc               7     .011224   0.1514   15.87886   0.0144
    
23. dln_consump           7     .009938   0.2400   28.09971   0.0001
    
24. ----------------------------------------------------------------
    
25. 
    
26. ------------------------------------------------------------------------------
    
27.              |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
    
28. -------------+----------------------------------------------------------------
    
29. dln_inv      |
    
30.      dln_inv |
    
31.          L1. |  -.2725654   .1093372    -2.49   0.013    -.4868623   -.0582684
    
32.          L2. |  -.1340503   .1089367    -1.23   0.218    -.3475624    .0794617
    
33.              |
    
34.      dln_inc |
    
35.          L1. |   .3374819   .4805209     0.70   0.482    -.6043217    1.279286
    
36.          L2. |   .1827302    .466292     0.39   0.695    -.7311852    1.096646
    
37.              |
    
38. dln_consump |
    
39.          L1. |   .6520473   .5450985     1.20   0.232    -.4163261    1.720421
    
40.          L2. |   .5980687   .5434576     1.10   0.271    -.4670886    1.663226
    
41.              |
    
42.        _cons |  -.0099191   .0126649    -0.78   0.434    -.0347419    .0149037
    
43. -------------+----------------------------------------------------------------
    
44. dln_inc      |
    
45.      dln_inv |
    
46.          L1. |   .0433473   .0277054     1.56   0.118    -.0109542    .0976488
    
47.          L2. |   .0616319   .0276039     2.23   0.026     .0075293    .1157345
    
48.              |
    
49.      dln_inc |
    
50.          L1. |  -.1232543    .121761    -1.01   0.311    -.3619015    .1153928
    
51.          L2. |   .0209769   .1181555     0.18   0.859    -.2106036    .2525573
    
52.              |
    
53. dln_consump |
    
54.          L1. |   .3050571   .1381245     2.21   0.027      .034338    .5757762
    
55.          L2. |   .0490208   .1377087     0.36   0.722    -.2208833     .318925
    
56.              |
    
57.        _cons |   .0125949   .0032092     3.92   0.000     .0063049    .0188848
    
58. -------------+----------------------------------------------------------------
    
59. dln_consump  |
    
60.      dln_inv |
    
61.          L1. |   .0027381     .02453     0.11   0.911    -.0453398     .050816
    
62.          L2. |   .0497402   .0244401     2.04   0.042     .0018384     .097642
    
63.              |
    
64.      dln_inc |
    
65.          L1. |   .2893204   .1078057     2.68   0.007     .0780251    .5006157
    
66.          L2. |   .3664341   .1046134     3.50   0.000     .1613955    .5714726
    
67.              |
    
68. dln_consump |
    
69.          L1. |  -.2845172   .1222938    -2.33   0.020    -.5242086   -.0448257
    
70.          L2. |  -.1159776   .1219257    -0.95   0.341    -.3549475    .1229924
    
71.              |
    
72.        _cons |   .0123795   .0028414     4.36   0.000     .0068104    .0179485
    
73. ------------------------------------------------------------------------------
    
74. r; t=1.58 8:58:48
    
75. 
    
76. . irf set "M:\Replication\Extension\simpleirf.irf", replace
    
77. (file M:\Replication\Extension\simpleirf.irf created)
    
78. (file M:\Replication\Extension\simpleirf.irf now active)
    
79. r; t=0.02 9:02:39
    
80. 
    
81. . irf create simple
    
82. (file M:\Replication\Extension\simpleirf.irf updated)
    
83. r; t=0.42 9:03:10
    
84. 
    
85. . irf table irf, irf(simple) impulse(dln_inc) response(dln_consump)
    
86. 
    
87.             Results from simple
    
88. 
    
89. +--------------------------------------------+
    
90. |        |    (1)         (1)         (1)    |
    
91. |  step  |   irf        Lower       Upper    |
    
92. |--------+-----------------------------------|
    
93. |0       | 0           0           0         |
    
94. |1       | .28932      .078025     .500616   |
    
95. |2       | .249382     .044664     .454099   |
    
96. |3       | -.092003    -.234817    .050811   |
    
97. |4       | .090128     -.020143    .2004     |
    
98. |5       | .034852     -.032338    .102042   |
    
99. |6       | -.005656    -.059493    .048181   |
    
100. |7       | .01562      -.014493    .045733   |
     
101. |8       | .005611     -.01498     .026202   |
     
102. +--------------------------------------------+
     
103. 95% lower and upper bounds reported
     
104. (1) irfname = simple, impulse = dln_inc, and response = dln_consump
     
105. r; t=0.17 9:03:29

复制代码

Eviews的结果：

1. Vector Autoregression Estimates                       
   
2. Date: 07/05/13   Time: 09:08                       
   
3. Sample (adjusted): 1960Q4 1982Q4                       
   
4. Included observations: 89 after adjustments                       
   
5. Standard errors in ( ) & t-statistics in [ ]                       
   
6.                        
   
7.         DLN_INV        DLN_INC        DLN_CONSUMP
   
8.                        
   
9. DLN_INV(-1)        -0.272565         0.043347         0.002738
   
10.          (0.11391)         (0.02886)         (0.02556)
    
11.         [-2.39284]        [ 1.50180]        [ 0.10714]
    
12.                        
    
13. DLN_INV(-2)        -0.134050         0.061632         0.049740
    
14.          (0.11349)         (0.02876)         (0.02546)
    
15.         [-1.18115]        [ 2.14313]        [ 1.95351]
    
16.                        
    
17. DLN_INC(-1)         0.337484        -0.123254         0.289321
    
18.          (0.50061)         (0.12685)         (0.11231)
    
19.         [ 0.67414]        [-0.97164]        [ 2.57603]
    
20.                        
    
21. DLN_INC(-2)         0.182733         0.020978         0.366434
    
22.          (0.48579)         (0.12310)         (0.10899)
    
23.         [ 0.37616]        [ 0.17042]        [ 3.36217]
    
24.                        
    
25. DLN_CONSUMP(-1)         0.652045         0.305057        -0.284518
    
26.          (0.56789)         (0.14390)         (0.12741)
    
27.         [ 1.14819]        [ 2.11993]        [-2.23315]
    
28.                        
    
29. DLN_CONSUMP(-2)         0.598065         0.049020        -0.115978
    
30.          (0.56618)         (0.14347)         (0.12702)
    
31.         [ 1.05632]        [ 0.34168]        [-0.91304]
    
32.                        
    
33. C        -0.009919         0.012595         0.012379
    
34.          (0.01319)         (0.00334)         (0.00296)
    
35.         [-0.75177]        [ 3.76710]        [ 4.18197]
    
36.                        
    
37. R-squared         0.105133         0.151402         0.239964
    
38. Adj. R-squared         0.039655         0.089310         0.184352
    
39. Sum sq. resids         0.160887         0.010330         0.008098
    
40. S.E. equation         0.044295         0.011224         0.009938
    
41. F-statistic         1.605627         2.438330         4.314942
    
42. Log likelihood         154.7627         276.9429         287.7767
    
43. Akaike AIC        -3.320510        -6.066132        -6.309589
    
44. Schwarz SC        -3.124774        -5.870396        -6.113854
    
45. Mean dependent         0.016866         0.019085         0.018595
    
46. S.D. dependent         0.045200         0.011762         0.011004
    
47.                        
    
48. Determinant resid covariance (dof adj.)                 1.46E-11       
    
49. Determinant resid covariance                 1.15E-11       
    
50. Log likelihood                 742.2131       
    
51. Akaike information criterion                -16.20704       
    
52. Schwarz criterion                -15.61983       
    
53.                        
    
54. Effect of Nonfactorized One Unit DLN_INC Innovation on DLN_CONSUMP
    
55.        
    
56. Period       
    
57.        
    
58. 1         0.000000
    
59. 2         0.289321
    
60. 3         0.249381
    
61. 4        -0.092003
    
62. 5         0.090129
    
63. 6         0.034852
    
64. 7        -0.005655
    
65. 8         0.015620
    
66.        
    
67. Nonfactorized One Unit       
    
68.        
    
69. 
    
70. 
    
71. Effect of Generalized One S.D. DLN_INC Innovation on DLN_CONSUMP
    
72.        
    
73. Period       
    
74.        
    
75. 1         0.005690
    
76. 2         0.001644
    
77. 3         0.003445
    
78. 4        -0.000198
    
79. 5         0.000881
    
80. 6         0.000512
    
81. 7         7.20E-05
    
82. 8         0.000165
    
83.        
    
84. Generalized Impulse       
    
85.        

复制代码

注意VAR的估计结果stata和eviews基本相同。stata的simple irf与eviews的non-factorized one unit irf相同，而与eviews的girf不同。

另外，由此可见，stata的结果复制粘贴过来整整齐齐，eviews的结果歪七扭八。哈哈。

感谢楼主进行了 Stata 的 simple irf 与 EViews 的 girf  比较。

楼主您文中那句stata的 simple irf与eviews的 non-factorized one unit irf相同，这一点我确信，
因为几年前我做过，只是当时我不知道eviews有girf，而且我第一次听到girf并不是从EViews来，
而是Pesaran与Shin他们那一伙学者的 GVAR 【Global VAR】，当然他们很自豪用Matlab，
而且写了一些程序方便给excel用。【Matlab本就可以调用excel】

所以，看楼主您自己，如果要方便，真的是EViews最快。

h3327156 发表于 2013-7-6 02:01
感谢楼主进行了 Stata 的 simple irf 与 EViews 的 girf  比较。

楼主您文中那句stata的 simple irf与ev ...

GVAR我最近应该也是要做的。就这一两个月吧。我现在在做的是Stock and Watson里的factor structural var。 这个我基本确定没有现成的软件可以做。stock and watson给过一个gauss的程序。可是我又不懂gauss，所以还在研究。不知道您是做什么方向的？有没有用过这个模型？

stock and watson paper: http://scholar.harvard.edu/stock ... ss-cycle-dynamics-0

夏目贵志 发表于 2013-7-6 08:54
GVAR我最近应该也是要做的。就这一两个月吧。我现在在做的是Stock and Watson里的factor structural var。 ...

1.  GVAR常用的 toolbox 2.0 【Matlab工具箱】 听说今年会出来，但一直没见到。 以前的工具箱是旧版的，而且原程序是Gauss写成的。【只是后来被转成Matlab】

2. 我不懂factor structural var是什么，但我应该见过这模型吧！ 我的猜想这个模型应该是针对误差项，藉由因素分析 factor analysis，重新解读架构各方程误差项的关联，也许也会出现 factor loading这样的字眼吧。【这只是我的胡乱猜想】  

3. 我目前主要是做 Health 的，但我个人对于计量相当有兴趣。 Gauss，是我念博士第一个接触的计量软件，现在基本上能不碰就不碰，它现在大概只沦为我检测的工具。【譬如 R 或 Matlab 的结果， 拿来跟Gauss 比】

h3327156 发表于 2013-7-6 09:27
1.  GVAR常用的 toolbox 2.0 【Matlab工具箱】 听说今年会出来，但一直没见到。 以前的工具箱是旧版的，而 ...

非常感谢您的解答！我算是学过一点计量的，但是学得不好，只能做点应用。不敢自称econometrician。呵呵...好在matlab我还知道一些。希望做完目前这个项目之后有机会做GVAR的话做的顺利一点。fsvar其实基本就是那样。您的直觉还是非常准确的。因为fsvar和bernanke的favar名字有点相近，而且favar因为bernanke的原因最近很流行，所以我挺意外居然您知道fsvar。anyway，谢谢帮助~

夏目贵志 发表于 2013-7-6 09:40
非常感谢您的解答！我算是学过一点计量的，但是学得不好，只能做点应用。不敢自称econometrician。呵呵.. ...

基本上，我个人也只是做计量应用的。
我觉得懂Matlab，做GVAR很好的， 如果觉得那个工具箱不好用的话，顺手就改一改。

总之，很高兴认识您啦 ^^

欢迎讨论， 也或许未来， 一起合作写论文喔！

h3327156 发表于 2013-7-6 09:49
基本上，我个人也只是做计量应用的。
我觉得懂Matlab，做GVAR很好的， 如果觉得那个工具箱不好用的话， ...

我也很高兴认识您。保持交流吧！