面板向量自回归pvar，最后脉冲响应图像是发散的？？

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

T=10，N=12，5变量的面板数据，因为T较小（小于20），所以没有做单位根检验，但回归后系统检验平稳的，而且也通过了格兰杰因果检验，但脉冲图像却是发散的？？
脉冲图像可以是发散的吗？？还是必须收敛？
如果必须收敛，那我的操作是哪里出问题了呢？

下面是其中一个脉冲图

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1 回帖

在面板向量自回归（PVAR）模型中，脉冲响应函数通常描述了系统对一个冲击的动态反应。这种响应不一定是收敛的，它可以发散、稳定或在某个区间内振荡。发散的脉冲响应并不意味着模型本身有问题，而是可能反映了数据特性或者模型设定不够恰当。

你提到T=10，这是一个相对较小的时间序列长度，这可能影响脉冲响应的稳定性判断。尽管系统检验显示平稳且通过了格兰杰因果检验，但小样本可能会导致不稳定的估计，特别是对于长期动态行为。

有几个可能的原因需要检查：

1. **模型设定**：确保PVAR模型正确地反映了数据间的结构和关系。检查滞后阶数选择是否合适，以及是否存在遗漏的变量。
2. **异方差性**：如果存在异方差性，未调整的脉冲响应可能会发散。考虑使用工具变量或进行适当的权重调整。
3. **单位根检验**：虽然你因为T较小没有做单位根检验，但这是一个重要的步骤，以确保你的数据是平稳的，这会影响到脉冲响应的性质。
4. **估计方法**：尝试使用不同的估计方法（如极大似然、GMM等），看看结果是否有所改变。

最后，分析发散的脉冲响应时要谨慎，它可能意味着模型需要调整，或者系统对冲击有长期敏感性。建议重新审视你的数据和模型设定，并考虑上述因素，以找到问题的根源。如果仍然不确定，可以咨询领域专家或进一步阅读相关文献。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用