4348 1

[问答] Vector Autoregression Estimates看不太懂,如何得出方程式呢? [推广有奖]

  • 0关注
  • 1粉丝

初中生

76%

还不是VIP/贵宾

-

威望
0
论坛币
0 个
通用积分
1.0000
学术水平
0 点
热心指数
0 点
信用等级
0 点
经验
220 点
帖子
14
精华
0
在线时间
14 小时
注册时间
2014-5-7
最后登录
2020-7-15

楼主
Ricky在咆哮:-P 发表于 2014-5-12 11:57:54 |AI写论文

+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~ !

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
Vector Autoregression Estimates                               
Date: 05/12/14   Time: 11:53                               
Sample (adjusted): 1992 2010                               
Included observations: 19 after adjustments                               
Standard errors in ( ) & t-statistics in [ ]                               
                               
        IG        FE        FD        CI
                               
IG(-1)         0.681625         0.073775        -0.000486         0.181244
         (0.19983)         (0.11130)         (0.02946)         (0.09585)
        [ 3.41097]        [ 0.66282]        [-0.01649]        [ 1.89086]
                               
IG(-2)        -0.375778        -0.297443        -0.029242        -0.123542
         (0.20520)         (0.11430)         (0.03025)         (0.09843)
        [-1.83125]        [-2.60240]        [-0.96665]        [-1.25515]
                               
FE(-1)         0.698014         0.198035        -0.069361        -0.253360
         (0.46149)         (0.25705)         (0.06803)         (0.22136)
        [ 1.51252]        [ 0.77043]        [-1.01953]        [-1.14456]
                               
FE(-2)        -0.544554         0.400575         0.033905         0.024087
         (0.36388)         (0.20268)         (0.05364)         (0.17454)
        [-1.49653]        [ 1.97644]        [ 0.63206]        [ 0.13801]
                               
FD(-1)        -3.408881         0.466162         0.753817         1.700906
         (2.05219)         (1.14305)         (0.30253)         (0.98436)
        [-1.66109]        [ 0.40782]        [ 2.49170]        [ 1.72793]
                               
FD(-2)         5.603524        -3.182768        -0.762618         0.030806
         (2.53667)         (1.41289)         (0.37395)         (1.21675)
        [ 2.20901]        [-2.25266]        [-2.03935]        [ 0.02532]
                               
CI(-1)         0.344522         0.014086         0.099568         0.654292
         (0.55022)         (0.30647)         (0.08111)         (0.26392)
        [ 0.62615]        [ 0.04596]        [ 1.22752]        [ 2.47911]
                               
CI(-2)         0.915958         0.588445         0.034528        -0.159640
         (0.53740)         (0.29933)         (0.07922)         (0.25777)
        [ 1.70441]        [ 1.96589]        [ 0.43583]        [-0.61930]
                               
C         0.729255         0.727623         0.116363         0.148648
         (0.37309)         (0.20781)         (0.05500)         (0.17896)
        [ 1.95461]        [ 3.50141]        [ 2.11565]        [ 0.83062]
                               
R-squared         0.978433         0.968193         0.868388         0.978279
Adj. R-squared         0.961180         0.942748         0.763098         0.960902
Sum sq. resids         0.017564         0.005449         0.000382         0.004041
S.E. equation         0.041909         0.023343         0.006178         0.020102
F-statistic         56.70953         38.04981         8.247592         56.29761
Log likelihood         39.41067         50.52970         75.78576         53.36943
Akaike AIC        -3.201123        -4.371547        -7.030080        -4.670466
Schwarz SC        -2.753758        -3.924181        -6.582715        -4.223101
Mean dependent         2.337804         0.756067         0.088103         0.503442
S.D. dependent         0.212705         0.097556         0.012693         0.101663
                               
Determinant resid covariance (dof adj.)                 6.82E-15               
Determinant resid covariance                 5.23E-16               
Log likelihood                 226.4279               
Akaike information criterion                -20.04505               
Schwarz criterion                -18.25558               
                               


二维码

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

关键词:regression Estimates regressio estimate autoreg adjusted Vector errors 方程式 如何

沙发
胖胖小龟宝 发表于 2014-12-31 10:46:48
这个一般没啥意义 都是接着做方差分解和脉冲的https://bbs.pinggu.org/thread-1389263-1-1.html

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加好友,备注jltj
拉您入交流群
GMT+8, 2025-12-9 05:33