vecm模型，stata结果怎么解读啊？？请高手指点

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

在家做了个vecm，前面都差不多了，最后出来个结果，不知道怎么整理出方程，想写到文章里，帮忙指点一下，那个协整信息，那个短期信息，怎么写到一个方程里啊？

vec  lny1 lnx1 lnx2 lnx3

Vector error-correction model

Sample:  1987 - 2006                               No. of obs      =        20
                                                   AIC             = -6.070347
Log likelihood =  87.70347                         HQIC            = -5.807938
Det(Sigma_ml)  =  1.82e-09                         SBIC            = -4.726109

Equation           Parms      RMSE     R-sq      chi2     P>chi2
----------------------------------------------------------------
D_lny1                6     .037099   0.7530   42.67205   0.0000
D_lnx1                6     .094166   0.6008   21.06895   0.0018
D_lnx2                6     .263923   0.3993   9.305287   0.1571
D_lnx3                6     .157996   0.6108   21.96882   0.0012
----------------------------------------------------------------
------------------------------------------------------------------------------
             |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
D_lny1       |
        _ce1 |
         L1. |   .2136358   .0719466     2.97   0.003     .0726232    .3546485
        lny1 |
         LD. |  -.2009701   .3121732    -0.64   0.520    -.8128183    .4108781
        lnx1 |
         LD. |   .0402693   .1062092     0.38   0.705    -.1678969    .2484356
        lnx2 |
         LD. |   .0803045   .0465321     1.73   0.084    -.0108968    .1715059
        lnx3 |
         LD. |  -.0754262   .0733764    -1.03   0.304    -.2192413    .0683889
       _cons |   .0241675   .0156644     1.54   0.123    -.0065341    .0548692
-------------+----------------------------------------------------------------
D_lnx1       |
        _ce1 |
         L1. |   .2551702   .1826163     1.40   0.162    -.1027511    .6130916
        lny1 |
         LD. |  -.9582326   .7923647    -1.21   0.227    -2.511239    .5947737
        lnx1 |
         LD. |  -.3739364   .2695825    -1.39   0.165    -.9023083    .1544356
        lnx2 |
         LD. |   .0130558   .1181089     0.11   0.912    -.2184334     .244545
        lnx3 |
         LD. |   .2685114   .1862455     1.44   0.149    -.0965231    .6335459
       _cons |   .1084919   .0397597     2.73   0.006     .0305644    .1864195
-------------+----------------------------------------------------------------
D_lnx2       |
        _ce1 |
         L1. |   1.416915   .5118237     2.77   0.006     .4137591    2.420071
        lny1 |
         LD. |  -3.901703   2.220782    -1.76   0.079    -8.254357    .4509505
        lnx1 |
         LD. |   .1008888   .7555663     0.13   0.894    -1.379994    1.581772
        lnx2 |
         LD. |   .0499078    .331027     0.15   0.880    -.5988933    .6987089
        lnx3 |
         LD. |   .1570324   .5219954     0.30   0.764    -.8660598    1.180125
       _cons |   .0369683   .1114356     0.33   0.740    -.1814415    .2553781
-------------+----------------------------------------------------------------
D_lnx3       |
        _ce1 |
         L1. |   1.291312   .3064003     4.21   0.000     .6907787    1.891846
        lny1 |
         LD. |    -2.1094   1.329459    -1.59   0.113    -4.715091    .4962909
        lnx1 |
         LD. |   .3633324   .4523154     0.80   0.422    -.5231895    1.249854
        lnx2 |
         LD. |   .3106645   .1981674     1.57   0.117    -.0777365    .6990655
        lnx3 |
         LD. |  -.1402437   .3124895    -0.45   0.654    -.7527119    .4722245
       _cons |   -.066001   .0667103    -0.99   0.322    -.1967507    .0647487
------------------------------------------------------------------------------

Cointegrating equations

Equation           Parms    chi2     P>chi2
-------------------------------------------
_ce1                  3   99.03146   0.0000
-------------------------------------------

Identification:  beta is exactly identified
                 Johansen normalization restriction imposed
------------------------------------------------------------------------------
        beta |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
_ce1         |
        lny1 |          1          .        .       .            .           .
        lnx1 |   .2254933   .1420116     1.59   0.112    -.0528443    .5038309
        lnx2 |  -.3685717   .1069461    -3.45   0.001    -.5781822   -.1589612
        lnx3 |  -.2349684   .1256421    -1.87   0.061    -.4812224    .0112855
       _cons |    -5.6329          .        .       .            .           .
------------------------------------------------------------------------------

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5 回帖

关键词：VECM模型 ECM模型 Stata 高手指点 tata 都差不多 文章 模型 信息 在家

1# walkfreely

这个貌似好高级，我也不懂，期待高手!

高手在哪里啊~~~~(>_<)~~~~

该系统一共包括四个变量对应的方程，其中ce1指的是长期项，也就是系统的协整关系（对应结果最后的
cointegretion equation)；剩下的就是短期项。

Identification:  beta is exactly identified
                 Johansen normalization restriction imposed

这个下面的表就是你的方程系数，看Coef下面那一列，对应的就是各个变量前面的系数，最后一个_cons对应的是你方程的常数项，要注意这里对系数符号的显示应该跟你最后写出来的方程系数正好相反。

请问短期关系怎么看啊？另外对VECM模型做系统稳定性检验时，模型本身设定的单位根是怎么回事？

joyye2008joyye 发表于 2011-8-17 20:25
该系统一共包括四个变量对应的方程，其中ce1指的是长期项，也就是系统的协整关系（对应结果最后的
cointeg ...

要相反啊？例如 lnx1的表里系数书 .2254933，写进方程要写成-0.225吗？

不知道怎么看这个

小弟之前搞过时间序列分析，做时间序列的协整分析一般是这么搞：
1.对每一个序列单独测试平稳性和单位根检验，（绘ACF图观测和进行Augmented Dickey–Fuller test (ADF)或者Phillips-Perron test for unit root）
2.如果这些序列确定是unit root序列，然后下一步我用Johansen test procedure 是否这几个序列存在协整关系，如果存在协整关系，那么用Vector Equilibrium Correction Model (VECM)，这样把长期均衡（协整关系）能够考虑进去。如果序列间不存在协整关系，那么用（差分平稳）VAR模型来做。
当然，中间有许多具体细节问题。这些细节的讨论很重要，有时候单独给出一个结果，没有之前细节的讨论，不大令人信服。

粗看楼主提供滴资料，是对  lny1 lnx1 lnx2 lnx3这四个序列进行协整回归。选项中没有包含其中可能存在限制性或者非限制性的determinstic components等，也没有明确是否需要滞后项。

RMSE and R-sq values可以理解为the percentage reduction in mean-squared-error that the
regression model achieves relative to mean value of the regressand，或者说等式左边的差分的变量的变动，平均说来有多少比例能够被等式右手边的变量的变动解释的。这个RMSE和R-sq的大小多少比较好，没有一个统一的标准，还得看模型和序列本身特点。

下面针对每个序列差分D.序列的表格，实际上是协整关系式的loading factors，实质是当这些序列如果脱离了协整关系时，是否能够有效调整。（whether the series adjust when the cointegrating equation is
out of equilibrium）。

得出去了，先写这么多，回头补上。大家多交流。

wytxdyj 发表于 2015-2-4 23:03
小弟之前搞过时间序列分析，做时间序列的协整分析一般是这么搞：
1.对每一个序列单独测试平稳性和单位根检 ...

层主，能请教一个问题么？残差序列通过了单位根检验但是模型不通过格兰杰和johansen的话是不是不能做vec?能做var吗？