STATA高级

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

连老师，stata 中sVAR模型，残差的方差和协方差保存在下面哪个返回值中啊

另外，如何在stata中实现VAR模型的方差分析呢，视频中好象没有讲到这一点，

再有就是在sVAR估计时，如果个别系数不显著，分析起来还有意义么，在其他计量经济模型中呢

是不是通过适当选取变量滞后阶数，一定可以找到使系数显著的滞后阶数（滞后阶数一定要根据信息准则来确定么）

谢谢连老师

 svar saves the following in e():

    Scalars       
      e(N)                number of observations
      e(k_eq)             number of equations
      e(k_eq_var)         number of equations in underlying VAR
      e(k_dv)             number of dependent variables
      e(k_var)            number of coefficients in VAR
      e(k_aux)            number of auxiliary parameters
      e(mlag_var)         highest lag in VAR
      e(k_dv_var)         number of dependent variables in underlying VAR
      e(tparms_var)       number of parameters in all equations
      e(df_eq_var)        average number of parameters in an equation
      e(df_m_var)         model degrees of freedom
      e(df_r_var)         if small, residual degrees of freedom
      e(obs_#_var)        number of observations on equation #
      e(k_#_var)          number of coefficients in equation #
      e(df_m#_var)        model degrees of freedom for equation #
      e(r2_#_var)         R-squared for equation #
      e(chi2_#_var)       chi-squared statistic for equation #
      e(rmse_#_var)       root mean squared error for equation #
      e(ll_#)             log likelihood for equation #
      e(df_r#_var)        residual degrees of freedom for equation # (small only)
      e(F_#_var)          F statistic for equation # (small only)
      e(N_gaps_var)       number of gaps in the sample
      e(detsig_ml_var)    determinant of Sigma_ml hat
      e(aic_var)          Akaike information criterion
      e(sbic_var)         Schwarz-Bayesian information criterion
      e(hqic_var)         Hannan-Quinn information criterion
      e(fpe_var)          final prediction error
      e(ll)               log likelihood from svar
      e(ll_var)           log likelihood from var
      e(ll_#_var)         log likelihood for equation # VAR
      e(tmin)             first time period in the sample
      e(tmax)             maximum time
      e(detsig_var)       determinant of e(Sigma)
      e(chi2_oid)         overidentification test
      e(oid_df)           number of overidentifying restrictions
      e(ic_ml)            number of iterations
      e(rc_ml)            return code from ml
      e(N_cns)            number of constraints

    Macros        
      e(cmd)              svar
      e(cmdline)          command as typed
      e(lrmodel)          long-run model, if specified
      e(lags_var)         lags in model
      e(depvar_var)       names of dependent variables
      e(endog_var)        names of endogenous variables
      e(exog_var)         names of exogenous variables, if specified
      e(nocons_var)       noconstant, if noconstant specified
      e(cns_lr)           long-run constraints
      e(cns_a)            cross-parameter equality constraints on A
      e(cns_b)            cross-parameter equality constraints on B
      e(dfk_var)          alternate divisor (dfk), if specified
      e(eqnames_var)      names of equations
      e(lutstats_var)     lutstats, if specified
      e(constraints_var)  constraints_var, if there are constraints on VAR
      e(small)            small, if specified
      e(tsfmt)            format of timevar
      e(timevar)          name of timevar
      e(title)            title in estimation output
      e(properties)       b V
      e(predict)          program used to implement predict

    Matrices      
      e(b)                coefficient vector
      e(V)                variance-covariance matrix of the estimators
      e(b_var)            coefficient vector of underlying VAR model
      e(V_var)            VCE of underlying VAR model
      e(bf_var)           full coefficient vector with zeros in dropped lags
      e(G_var)            Gamma matrix saved by var; see Methods and Formulas in [TS] var svar
      e(Sigma)            Sigma hat matrix
      e(aeq)              aeq(matrix), if specified
      e(acns)             acns(matrix), if specified
      e(beq)              beq(matrix), if specified
      e(bcns)             bcns(matrix), if specified
      e(lreq)             lreq(matrix), if specified
      e(lrcns)            lrcns(matrix), if specified
      e(Cns_var)          constraint matrix from var, if varconstraints() is specified
      e(A)                estimated A matrix, if a short-run model
      e(B)                estimated B matrix
      e(C)                estimated C matrix, if a long-run model
      e(A1)               estimated A bar matrix, if a long-run model

[此贴子已经被作者于2009-5-4 23:43:10编辑过]

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：STATA高级 Stata tata coefficients observations Stata 高级

以下是引用yjsun在2009-5-4 23:20:00的发言：

连老师，stata 中sVAR模型，残差的方差和协方差保存在下面哪个返回值中啊

A：你要的是残差的方差-协方差矩阵吧，这个stata没有直接可以引用的返回值。需要在完成VAR模型的估计后，采用Predict命令得到残差向量，进而计算该矩阵。

另外，如何在stata中实现VAR模型的方差分析呢，视频中好象没有讲到这一点，

A：你说的方差分析是指ANOVA？VAR分析的重点不在于此，文献中也很少涉及VAR模型的ANOVA。

再有就是在sVAR估计时，如果个别系数不显著，分析起来还有意义么，在其他计量经济模型中呢

A：系数显著与否都有其经济含义，这要看你的理论分析了。这个规则适用于所有的计量模型。

是不是通过适当选取变量滞后阶数，一定可以找到使系数显著的滞后阶数（滞后阶数一定要根据信息准则来确定么）

A：滞后阶数的确定有很多种方法，但目前应用比较广泛的就是视频中介绍的三个信息准则，而其中又以BIC最受推崇。至于你所言“是不是通过适当选取变量滞后阶数，一定可以找到使系数显著的滞后阶数”，我并不认同。选取合适的滞后阶数，目的在于保证模型的整体拟合程度，而不在于调整个别回归系数的显著程度，这又回到了上面那个基本的问题上。

谢谢连老师

非常感谢连老师的回答，操作中我还是有些疑问，我先整理一下思路，先在这里谢谢您