R做出5年数据的VAR模型以及采用ADF检验法对各序列的平稳性进行检验的代码，急！！大谢

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

如果我建个模型，研究购销环节利益分配问题，需要设定的模型变量有三个，即农民、农村经纪人、企业的利益。在此，我们假设X1、X2、X3分别表示农民、农村经纪人、企业的利益波动。其中，X1可以通过农产品价格同比涨幅减生产资料同比涨幅反映；X2可以通过农产品收购价格同比涨幅减农产品价格同比涨幅反映；X3可以通过产品零售价格同比涨幅减农产品收购价格同比涨幅反映。

由于时间序列可能存在虚假回归问题, 所以在进行动态回归模型拟合前必须先检验各序列的平稳性。在此，我们拟采用ADF检验法对各序列的平稳性进行检验。另一方面，由于农产品购销中各经济单位的利益波动存在“由企业到农民”和“由农民到企业”两种动力，因此，为明确主要影响方向，还需对三方利益波动序列进行Granger因果检验，进而通过观察F分布的显著性程度来判断各变量相互之间的关系。在判定序列的平稳性及利益波动的相互影响关系之后，我们就确定了X1、X2、X3之间的因果关系，此后将进入模型分析的核心部分。为了能更清晰地说明该模型构建的思路，我们暂且假定X1为因变量，则通过构造X1在受到X2、X3一个单位标准差冲击后的脉冲响应函数，我们可以根据图形的收敛状态来判断其有效性。同时，根据冲击的方向性，可以进一步研究X2、X3对于X1究竟产生了何种影响。我怎么来做出这个模型呢？谢谢大神指教啊~~真心不太会用R

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：ADF检验 VAR模型 AR模型 VaR 检验法 农产品价格 零售价格 同比涨幅 经纪人 模型

对于你的情况，推荐一款免费软件，Jmulti。可视化的操作，做起来比较方便。如果非得用要R做。
require(vars)
data<-ts(cbind(x1,x2,x3),start=c(2008),frequency=1,class="mts")
ADF检验：
adf_func <- function(x){
  t<-x  #t <- diff(x,lag=1,diff=1)
  my_adf_trend<- ur.df(t,type="trend",lags=2,selectlags="BIC")
  print(summary(my_adf_none))
  my_adf_drift<- ur.df(t,type="drift",lags=2,selectlags="BIC")
  print(summary(my_adf_trend))
  my_adf_none<- ur.df(t,type="none",lags=2,selectlags="BIC")
  print(summary(my_adf_drift))

}
lapply(data,adf_func)
granger test:
gtest_func <- function(z,data,lagoder){
    x <- names(data)[z[1]];y <- names(data)[z[2]];print(paste(x,y,sep="~"))
    grangertest(data[,x],data[,y],order=lagoder)
}
comb <- combn(1:3,2)
apply(comb,2,gtest_func,data=data,lagoder=...)
comb <- combn(3:1,2)
apply(comb,2,gtest_func,data=data,lagoder=...)
cointeger test:
ci_real_max<- ca.jo(data,type="eigen",ecdet="trend",spec="transitory");summary(ci_real_max)
ci_real_max<- ca.jo(data,type="eigen",ecdet="const",spec="transitory");summary(ci_real_max)
ci_real_max<- ca.jo(data,type="eigen",ecdet="none",spec="transitory");summary(ci_real_max)

ci_real_trace<- ca.jo(data,type="trace",ecdet="trend",spec="transitory");summary(ci_real_trace)
ci_real_trace<- ca.jo(data,type="trace",ecdet="const",spec="transitory");summary(ci_real_trace)
ci_real_trace<- ca.jo(data,type="trace",ecdet="none",spec="transitory");summary(ci_real_trace)
VAR:
var_out<-VAR(data,p=1,type=c("none"),ic=c("SC"),lag.max=2)


最后：不负责能运行，如果有error发生，看帮助调参数

nuomin 发表于 2013-11-7 10:30
对于你的情况，推荐一款免费软件，Jmulti。可视化的操作，做起来比较方便。如果非得用要R做。
require(var ...

谢谢！！！