楼主: wb6215693
5927 17

[问答] 和大家探讨以下几个算是比较复杂的EVIEWS使用问题,欢迎各位高手赐教 [推广有奖]

  • 0关注
  • 33粉丝

天涯居士

已卖:5263份资源

教授

50%

还不是VIP/贵宾

-

威望
1
论坛币
116964 个
通用积分
48.3180
学术水平
167 点
热心指数
237 点
信用等级
161 点
经验
56026 点
帖子
1093
精华
0
在线时间
1093 小时
注册时间
2006-11-7
最后登录
2019-1-23

初级热心勋章 初级信用勋章

楼主
wb6215693 发表于 2009-8-18 20:49:36 |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
学习使用EVIEWS也有一段时间了,使用中主要是有以下一些问题产生,部分问题应该属于比较前沿的话题,欢迎大家发表自己的看法

状态空间模型中,对于初值怎么设定,有什么量化方法,是依靠经验还是按照高铁梅的方法先进行一般线性回归,然后根据回归系数进行大致确定

SVAR模型里面,对于约束矩阵(短期约束和长期约束),有什么具体的设定方法,还是说按照相应的经济意义进行设定。看了一些文献,N阶的约束矩阵其约束条件应该是n(n-1)/2才能被识别,而有些文献中直接认为各变量之间没有影响,约束条件直接设为0

VAR模型里面引入模型的先后顺序不同,脉冲响应分析的结果是不一致的,怎样确定其引入次序,是以理论为依据,还是按照经验分析

易丹辉的书里面曾经讲到,因变量和自变量之间必须存在着双向的格兰杰因果关系才能建立VAR模型,现在有的文章中也说只要存在着单向的格兰杰因果关系就可以建立VAR。到底建立VAR需要变量之间存在格兰杰因果关系吗?另外,这里的格兰杰检验是先建立了VAR,根据AICSC准则确定了滞后期以后予以分析,还是直接在序列中进行点击,然后将滞后期确定为2345等进行分析,并根据滞后期的不同,说明为短期,中期和长期的因果关系。关于第二种方法,很多文献中是这样做的,包括一些重点核心期刊,那这种方法是不是一定正确,这点好像格兰杰自己都没给过说明

在进行协整检验时,EG两步法要求必须是同阶单整序列,但EG两步法由于存在着一定的缺点,现在就是二个变量的协整检验也是使用Johansen协整检验,多变量协整更是如此。我的问题是多变量协整要不要求同阶单整,有些文献认为要求,包括数量经济技术经济研究上一些期刊,有些文献包括张晓峒认为不要求。另外,如果在进行单位根检验时,有些是1阶单整,有些是平稳变量,是只对1阶单整向量进行协整检验,如果存在协整,直接和那些平稳变量回归,还是直接对1阶单整变量差分使平稳,然后再做回归,这里版主曾经说过含有平稳变量的协整都是错误的。如果按照张晓峒的说法,协整和同阶单整应该是非充分非必要条件

在进行johansen协整检验时,总共有5个选项,这里有无飘移项(截距项)和有无趋势项是如何确定的,是依靠经验,还是有什么确定的检验方法,是否可以先通过第6个选项summary选项进行综合分析,然后予以确认

如果VAR的滞后阶数只有一阶,那么VECMJohansen的滞后阶数是0阶还是一阶,按照一般的说法应该是0阶,但为何有些文献还是用的一阶

进行结构突变的单位根检验时,怎么做退势分析,怎么用EVIEWS操作,是否需要编程,现在EVIEWS可以做的好像只有CHOW断点检验

在进行门限协整和门限回归的时候,是不是只有gauss等软件能实现,EVIEWS通过编程是否可以实现

版上曾经有人发过使用EVIEWS进行蒙特卡洛模拟和建立一般均衡模型的方法,而在实际操作中,好像都不可以直接使用,那么EVIEWS到底能否通过编程建立这些较高级的模型呢

面板数据进行单位根检验以及协整检验时,也有截距项和趋势项的选择,这个要怎么进行确定,这里一般时序数据进行单位根检验时,是以趋势图来确定单位根检验的趋势项和截距项的,否则就会得出错误的检验结果,那么面板数据要如何进行类似的操作呢,现在的做法好像一般是把三种检验结果都列出来,协整检验也是把几种检验方法都列出来,都通过才说明是合理的,这些属于比较前沿的东西,是否有更好的方法以确认检验的形式

面板数据中有些文献进行了格兰杰因果检验,面板数据的联立方程组,面板数据的ECM等分析,在EVIEWS中这些都是不能直接实现的,而很多文献是仿照时间序列数据的方法进行分析的,这种分析目前并没有什么确切的理论依据,其实还是把时序数据的分析方法套到面板数据上,但两者有很大区别,照葫芦画瓢,是否应该是错误的
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:EVIEWS Eview Views 大家探讨 view EVIEWS 欢迎 高手 探讨 赐教

回帖推荐

gemini69 发表于10楼  查看完整内容

简单说, 其一、按照 Granger representation theorem,有协整,则必至少存有某一 Granger causality; 其二、具协整关系之 VECM 可以表达成 VAR。 而提到 Granger causality test,她是藉由 F 统计量来进行检定。 至此,答案已经很明白。 非平稳之 VAR 当然不能使用 F 统计量;但具协整之 VECM 可以转成 VAR 来进行 Granger causality test。

本帖被以下文库推荐

有天有地的地方就有天涯

沙发
wb6215693 发表于 2009-8-19 18:07:35
没人参与啊,没有人在使用中遇到上述问题吗
有天有地的地方就有天涯

藤椅
zwa222 发表于 2009-9-9 08:46:10
上述问题确实是在实证中常常遇到的比较棘手的问题!
其实,还可以加上一问:Granger 检验中,变量是不是要求是平稳的?因为,Granger 检验是基于VAR的检验,而VAR正是要求变量是平稳的。但现在的很多文献资料对于Granger 检验中的变量平稳性没作要求,不平稳的也在做,这当如何理解?是不是说不平稳但是是协整的变量也可以进行Granger 检验?如果是这样,那不平稳且不协整的又如何呢?再深入一点:如果有三个变量,是不平稳的,且其中每两个变量之间不协整,但三个变量之间是协整的(这完全可能),这时,还可否进行Granger检验?
深盼有高手指点啊!

板凳
binggol 发表于 2009-9-9 10:32:31
上面这位同学发贴提出的问题确实很有针对性 希望有高手来解答

报纸
wb6215693 发表于 2009-9-9 18:54:48
zwa222 发表于 2009-9-9 08:46
上述问题确实是在实证中常常遇到的比较棘手的问题!
其实,还可以加上一问:Granger 检验中,变量是不是要求是平稳的?因为,Granger 检验是基于VAR的检验,而VAR正是要求变量是平稳的。但现在的很多文献资料对于Granger 检验中的变量平稳性没作要求,不平稳的也在做,这当如何理解?是不是说不平稳但是是协整的变量也可以进行Granger 检验?如果是这样,那不平稳且不协整的又如何呢?再深入一点:如果有三个变量,是不平稳的,且其中每两个变量之间不协整,但三个变量之间是协整的(这完全可能),这时,还可否进行Granger检验?
深盼有高手指点啊!
这确实也是个问题,现在很多文献的做法,应该是单位根检验,协整,格兰杰这个顺序,我个人也认为这样并不严密,因为格兰杰因果检验前提一般是要求是平稳变量
有天有地的地方就有天涯

地板
snow000123 发表于 2009-9-11 21:13:05
同问

7
tangweicas 发表于 2009-9-12 16:34:10
因果要用平稳的变量,不平稳的话检查变量之间有无协整,有协整的话按跟平稳变量一样对待,不平稳又不协整的话,把变量变换为平稳的做。

8
nlm0402 发表于 2009-9-12 17:42:39
有一个美国留学的版主,说严格来讲,都要求平稳的。
爱智慧;hanxiao528;panjian39 ;夸克之一;np84;yyxf ;007jg ;nkunku;*****xyz;

9
zlj198310 发表于 2009-10-14 21:30:03
里面的好几个问题都是我目前写论文碰到的最头痛的问题,那位高手出来解答下啊

10
gemini69 发表于 2009-10-15 00:42:06
nlm0402 发表于 2009-9-12 17:42
有一个美国留学的版主,说严格来讲,都要求平稳的。
简单说,
其一、按照 Granger representation theorem,有协整,则必至少存有某一 Granger causality;
其二、具协整关系之 VECM 可以表达成 VAR。

而提到 Granger causality test,她是藉由 F 统计量来进行检定。

至此,答案已经很明白。

非平稳之 VAR 当然不能使用 F 统计量;但具协整之 VECM 可以转成 VAR 来进行 Granger causality test。
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

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, 2025-12-31 08:26