做面板数据分位数回归模型_面板数据向量自回归模型
該命令主要包括如下內(nèi)容
help pvarhelp?pvarfevdhelp?pvargrangerhelp pvarirfhelp pvarsochelp pvarstable2面板向量自回歸PVAR配套命令簡介1、PVAR命令
pvar估計(jì)面板向量自回歸模型，通過擬合各因變量對其自身、所有其他因變量和外生變量(如果有的話)的滯后的多元面板回歸。采用廣義矩法(GMM)進(jìn)行估計(jì)。命令語法格式為：
pvar depvarlist [if] [in] [, options]語法選項(xiàng)為：
lags(#) ：定義pvar模型的最大滯后期，默認(rèn)滯后期為1
exog(varlist) ：表示定義在PVAR模型中的內(nèi)生變量列表
fod and fd：用來指定如何消除面板的固定效果。fod指定使用正向正交偏差或Helmert變換來消除面板固定效應(yīng)，fod是默認(rèn)選項(xiàng)。fd規(guī)定了使用一階差分而不是正向正交偏差來消除特定于面板的固定效應(yīng)。
td：表示減去模型中每個(gè)變量在估計(jì)之前的橫截面均值。這可以用于在任何其他轉(zhuǎn)換之前從所有變量中刪除固定時(shí)間的效果。
gmmstyle指定使用Holtz-Eakin、Newey和Rosen(1988)提出的“GMM-style”工具。
gmmopts(options)覆蓋pvar運(yùn)行的默認(rèn)gmm選項(xiàng)。可以使用depvarlist中的變量名作為方程名分別訪問模型中的每個(gè)方程。
vce(vcetype[， independent])指定報(bào)告的標(biāo)準(zhǔn)誤差類型
overid指定要報(bào)告Hansen的J統(tǒng)計(jì)量的過度識別限制。此選項(xiàng)僅對過度識別的系統(tǒng)可用。
level(#)指定用于報(bào)告置信區(qū)間的置信水平(以百分比表示)。默認(rèn)值是level(95)或按set level設(shè)置。
noprint：不匯報(bào)系數(shù)表
2、pvarsoc
pvarsoc提供各種簡要措施，以幫助面板VAR模型的選擇。它報(bào)告了模型總體決定系數(shù)，Hansen (1982) J統(tǒng)計(jì)量和相應(yīng)的p值，以及Andrews和Lu(2001)基于J統(tǒng)計(jì)量制定的彎矩模型選擇準(zhǔn)則。Andrew和Lu的準(zhǔn)則都是基于Hansen’s J統(tǒng)計(jì)量，它要求模型中的moment conditions數(shù)量大于內(nèi)生變量的數(shù)量。
pvarsoc depvarlist [if] [in] [, options語法選項(xiàng)為：
maxlag(#)指定獲得統(tǒng)計(jì)信息的最大滯后順序。
pinstlag(numlist) specifies that the numlist-th lag from the highest lag order of depvarlist specified in the panel VAR model implemented using pvar be used. This option cannot be specified with the option
pvaropts(instlag(numlist)). pvaropts(options) passes arguments to pvar. All arguments specified in options are passed to and used by pvar in estimation.
3、pvargranger
pvargranger對面板VAR模型的每個(gè)方程進(jìn)行Granger causality Wald tests.
pvargranger [, estimates(estname)]estimate (estname)請求pvargranger使用之前獲得的一組保存為estname的面板VAR估計(jì)。默認(rèn)情況下，pvargranger使用活動(即最新)結(jié)果。
4、pvarstable
后估計(jì)命令pvarstable通過計(jì)算估計(jì)模型各特征值的向量來檢查面板VAR估計(jì)的穩(wěn)定性條件。Lutkepohl(2005)和Hamilton(1994)都表明，如果所有的伴隨矩陣的向量都嚴(yán)格小于1，則VAR模型是穩(wěn)定的。穩(wěn)定性為估計(jì)脈沖響應(yīng)函數(shù)和預(yù)測誤差方差分解提供了已知的解釋。
pvarstable [, options]5、pvarirf
后估計(jì)命令pvarirf計(jì)算并繪制脈沖響應(yīng)函數(shù)(IRF)。根據(jù)蒙特卡羅估計(jì)的面板VAR模型，采用高斯逼近的方法估計(jì)置信度。正交化的IRF基于Cholesky分解，累積的IRF也可以使用pvarirf計(jì)算。
pvarirf [, options]3面板向量自回歸PVAR操作應(yīng)用案例介紹1：
我們通過分析年工作時(shí)間和小時(shí)收入之間的關(guān)系來說明pvar命令集的使用，Holtz-Eakin, Newey和Rosen(1988)在他們關(guān)于面板向量自回歸的開創(chuàng)性論文中分析了這一關(guān)系。為了將我們的新程序與Stata內(nèi)置的var命令集進(jìn)行比較，我們還將新的pvar命令集應(yīng)用于Lutkephol(1993)的 West Germany 時(shí)間序列數(shù)據(jù)。
數(shù)據(jù)介紹：
我們使用了Stata提供的1968年至1978年全國縱向調(diào)查中14-26歲女性的子樣本。我們的子樣本包括2039名女性，她們在至少三輪調(diào)查中報(bào)告了工資(工資)和年度工作時(shí)間(小時(shí))，其中兩輪調(diào)查是連續(xù)進(jìn)行的。Holtz-Eakin等人使用了相同的調(diào)查，但不同的時(shí)間段和不同的工作人員子樣本，因此結(jié)果可能不是直接可比的。使用前四個(gè)滯后時(shí)間和工資作為工具，使用pvarsoc計(jì)算一到三階面板VAR模型選擇。
1、導(dǎo)入數(shù)據(jù)
webuse nlswork2xtset?idcode?yeargenerate?wage?=?exp(ln_wage)2、查看數(shù)據(jù)如下：
3、Helmert變換擬合面板VAR模型，滯后期選擇默認(rèn)的
pvar wage hours結(jié)果為：
4、與上面相同，但是標(biāo)準(zhǔn)誤按行業(yè)分類
egen indocc = group(ind_code occ_code)?pvar?wage?hours,?vce(cluster?indocc)結(jié)果為：
5、?Same as first but use the first four lags as instruments
pvar wage hours, instlags(1/4)結(jié)果為：
6、?use GMM-style instruments
pvar wage hours, instlags(1/3) gmmstyle結(jié)果為：
雖然可以從上面的pvar輸出中推斷出一階面板變量的格蘭杰因果關(guān)系，但是我們?nèi)匀皇褂胮vargranger作為例子來執(zhí)行測試。下面的格蘭杰因果檢驗(yàn)結(jié)果表明，在通常的信心水平下，工資格蘭杰導(dǎo)致工作時(shí)間，而工作時(shí)間格蘭杰導(dǎo)致工資，與Holtz-Eakin等人的發(fā)現(xiàn)類似。
7、格蘭杰檢驗(yàn)
pvargranger8、?Same as above but report overidentification test
pvar wage hours, instlags(1/3) gmmstyle overid面板向量自回歸模型估計(jì)本身很少被解釋。在實(shí)踐中，研究人員往往對各內(nèi)生變量的外生變化對面板VAR系統(tǒng)中其他變量的影響感興趣。然而，在估計(jì)脈沖響應(yīng)函數(shù)(IRF)和預(yù)測誤差方差分解(FEVD)之前，我們首先檢查估計(jì)的面板變量的穩(wěn)定性條件。得到的特征值表和圖證實(shí)了估計(jì)是穩(wěn)定的。
9、?穩(wěn)定性檢驗(yàn)
?pvarstable,?grap根據(jù)Holtz-Eakin等人的理論闡述，我們認(rèn)為，工資水平的沖擊直接影響同期的工作時(shí)間，而當(dāng)前的工作努力只影響未來的工資。利用這個(gè)因果順序，我們計(jì)算了使用pvarirf的隱含IRF和使用pvarfevd的隱含F(xiàn)EVD。在估計(jì)模型的基礎(chǔ)上，使用200個(gè)蒙特卡羅圖計(jì)算IRF置信區(qū)間。FEVD估計(jì)值的標(biāo)準(zhǔn)誤差和置信區(qū)間同樣可用，但這里沒有顯示，以節(jié)省空間。
10、pvarfevd
pvarfevd,mc(200) save(計(jì)量經(jīng)濟(jì)學(xué)服務(wù)中心.dta)11、pvarirf
pvarirf,mc(200) orif byoption(yrescale)根據(jù)FEVD的估計(jì)，在我們的例子中，女性工作時(shí)間的變化中有40%可以用她們的工資來解釋。另一方面，工作時(shí)間只能解釋女性未來工資變化的5%。就水平而言，IRF圖顯示，對實(shí)際工資的正面沖擊會導(dǎo)致工作努力減少，這意味著樣本中的女性勞動力供應(yīng)會向后彎曲。值得注意的是，當(dāng)前工作努力的沖擊對工作時(shí)間和工資都有積極但短暫的影響。另一方面，當(dāng)前沖擊對工資的影響對未來工資有持續(xù)的積極影響。
4參考資料Michael R.M. Abrigo and Inessa Love，Estimation of Panel Vector Autoregression in Stata: a Package of Programs
Akaike, H. (1969). Fitting autoregressive models for prediction. Annals of the Institute of StatisticalMathematics, 21, 243-247.
Akaike, H. (1977). On entropy maximization principle. In:Krishnaiah, P.R. (Ed.), Applications ofStatistics. Amsterdam: North-Holland.
Andrews, D.W.K. and B. Lu (2001). Consistent model and momentselection procedures for GMM estimation with application to dynamic panel datamodels. Journal of Econometrics,101(1), 123-164.
Arellano, M. and O. Bover (1995). Another look at the instrumentalvariable estimation of error-components model. Journal of Econometrics, 68(1), 29-51.
Bun, M.J.G. and M.A. Carree (2005). Bias-corrected estimation indynamic panel data models. Journal ofBusiness & Economic Statistics, 23(2), 200-210.
Canova, F. and M. Ciccarelli (2013). Panel vector autoregressivemodels: A survey. Advance in Econometrics,32,
Carpenter, S. and S. Demiralp (2012). Money, reserves, and thetransmission of monetary policy: Does the money multiplier exist? Journal of Macroeconomics, 34(1), 59-75.
Everaert, G. and L. Pozzi (2007). Bootstrap-based correction fordynamic panels. Journal of EconomicDynamics and Control, 31(4), 1160-1184.
Granger, C.W.J. (1969). Investigating causal relations by econometricmodels and cross-spectral methods. Econometrica,37(3), 424-438.
Hamilton, J.D. (1994). Time Series Analysis. Princeton: PrincetonUniversity Press.
Hannan, E.J. and B.G. Quinn (1979). The determination of the orderof an autoregression. Journal of theRoyal Statistical Society, Series B, 41(2), 190-195.
Hansen, L.P. (1982). Large sample properties of generalized methodof moments estimators. Econometrica,50(4), 1029-1054.
Head, H. H. Lloyd-Ellis and H. Sun (2015). Search, liquidity, andthe dynamics of house prices and construction. The American Economic Review, 104(4), 1172-1210.
Holtz-Eakin, D., W. Newey and H.S. Rosen (1988). Estimating vectorautoregressions with panel data. Econometrica,56(6), 1371-1395.
Judson, R.A., and A.L. Owen. 1999. Estimating dynamic panel datamodels: A guide for macroeconomists. EconomicsLetters, 65(1), 9-15.
Kiviet, J.F. (1995). On bias, inconsistency, and efficiency ofvarious estimators in dynamic panel data models. Journal of Econometrics, 68(1), 53-78.
Love, I. and L. Zicchino (2006). Financial development and dynamicinvestment behavior: Evidence from panel VAR. The Quarterly Review of Economics and Finance, 46(2), 190-210.
Lutkepohl, H. (1993). Introduction to Multiple Time Series Analysis,2nd Ed. New York: Springer.
Lutkepohl, H. (2005). New Introduction to Multiple Time SeriesAnalysis. New York: Springer.
Mora, N. and A. Logan (2012). Shocks to bank capital: Evidence fromUK banks at home and away. AppliedEconomics, 44(9), 1103-1119.
Neumann, T.C., P.V. Fishback and S. Kantor (2010). The dynamics ofrelief spending and the private urban market during the New Deal. The Journal of Economic History, 70(1)195-220.
Nickell,S.J. (1981). Biases in dynamic models with fixed effects. Econometrica, 49(6), 1417-1426.
Risannen, J. (1978). Modeling by shortest data description. Automatica, 14(5), 465-471.
Roodman, D. (2009).? How to doxtabond2: An introduction to difference and system GMM in Stata. The Stata Journal, 9(1), 86-139.
Schwarz, G. (1978). Estimating the dimension of a model. Annals of Statistics, 6(2), 461-464.
Sims, C.A. (1980). Macroeconomics and reality. Econometrica, 48(1), 1-48.
◆◆◆◆
精彩回顧
點(diǎn)擊上圖查看：
《初級計(jì)量經(jīng)濟(jì)學(xué)及Stata應(yīng)用：Stata從入門到進(jìn)階》
點(diǎn)擊上圖查看：
《零基礎(chǔ)|輕松搞定空間計(jì)量：空間計(jì)量及GeoDa、Stata應(yīng)用》
點(diǎn)擊上圖查看：
計(jì)量經(jīng)濟(jì)學(xué)小白必修課--網(wǎng)課《高級計(jì)量經(jīng)濟(jì)學(xué)及Eviews應(yīng)用》震撼上架！
點(diǎn)擊上圖查看：
空間計(jì)量及Matlab應(yīng)用課程
總結(jié)
以上是生活随笔為你收集整理的做面板数据分位数回归模型_面板数据向量自回归模型的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 尼康复古全画幅相机Z f或1.4万元起售
- 下一篇： 华为Mate60系列模具曝光！最新渲染图