stata协整检验结果怎么看_PVAR模型的STATA使⽤指南
在知⽹上关于经济学研究论⽂的实证分析部分，涉及时间序列⼤多运⽤的是VAR模型，但对于拟合现实情况以及对模型的解释上来看，就会显得单⼀和理想化。若时间跨度⼜不长的情况下，运⽤VAR模型就是致命的，因为数据太少了，⼤⼤增加了论⽂结果的误差，同时会让答辩⽼师觉得你的论⽂就是在瞎掰。
PVAR模型理论以及适⽤性
其研究的是⾯板数据的向量⾃回归模型，Holtz-Eakin（1987）最早利⽤利⽤PVAR模型分析⾯板数据的内⽣性变量之间的互动关系，其研究的是⾯板数据的向量⾃回归模型
即将所有的变量统⼀视为内⽣变量，分析各个变量及其滞后项之间的关系。PVAR模型利⽤⾯板数据既能够有效解决个体异质性问题，⼜能够充分考虑个体和时间效应。
PVAR模型⼀般表现为
，其中i，t表现为区域和时间，j为滞后期，
为个体效应，
为时间效应，
为随机扰动项。
在实证分析中⾯板数据包含了更多时间的维度的数据，可以利⽤更多的信息进⾏分析研究问题的动态关系，同时能够通过截距项来捕捉数据动态调整过程中的个体差异，有效减少了数据产⽣的偏误。⾯
板数据具有时间和截⾯空间的两个维度，从⽽分享了横截⾯数据和时间序列数据的优点，另外，由于具有更多的观察值，其推断的可靠性也有所增加。
PVAR 继承了 VAR 模型的优点，将研究变量视为内⽣变量，并将每⼀个内⽣变量作为系统中所有内⽣变量滞后值的函数，提供丰富的结构从⽽捕获数据的更多特征。此外，PVAR 模型允许数据中存在的个体效应与异⽅差性，由于⼤量截⾯数据的存在，模型允许滞后系数随时间变化，放松了数据的时间平稳性要求。
PVAR模型的建⽴步骤
PVAR模型的STATA步骤
step 1：打开数据-调整格式
例如：
import excel D:Stata15paperPVAR.xlsx,sheet("Sheet1")firstrow
save D:Stata15paperPVAR.dta,replace
cd d:Stata15paper
use PVAR.dta,clear
在PVAR模型中，导⼊的数据前两列要分别是个体变量（地区、国家）和时间变量（年、季、⽉），但是⼤多时候，我们直接导⼊进来的数据中，这两列数据的格式不正确的，在STATA中⽆法识别。正常情况下，个体变量的数据类型应该是long（如地区1=1、地区2=2…），时间变量的数据类型应该是float。
个体变量：在do⽂件中输⼊命令
encode district, gen(dis)
⽣成新变量dis，在内容上和原变量district⼀致，格式已经改为long。如果个体变量的格式不正确，数据颜⾊是红⾊的，但在正确情况下是蓝⾊的。
时间变量：
在右下⾓Properties窗⼝中，有⼀个type选项改为float
order dis, before(year)  #将dis变量移到year之前
step 2：描述性分析
⾸先创建命令
xtset dis year  #对⾯板数据中的个体变量和时间变量进⾏设定
其次才是描述性分析
xtdes  #显⽰⾯板数据的结构
xtsum lngl lngi lnin  #显⽰⾯板数据的统计特征
step 3：单位根检验
在建模之前需要对时间序列进⾏单位根检验，如果变量序列不平稳，则可能使得脉冲响应和⽅差分解的结果失真。单位根检验包括检验同质单位根的LLC 和Breitung，检验异质单位根的IPS、ADF-Fisher和PP-Fisher五种⽅法。
LLC检验
xtunitroot llc lngl, trend demean lags(bic 12)  #包含线性时间趋势项⼜包含个体固定效应项，是条件最苛刻的⼀种检验
xtunitroot llc lngl, demean lags(bic 12)  #仅含个体固定效应项
xtunitroot llc lngl, noconstant demean lags(bic 12)  #不包含线性时间趋势项，也不包含个体固定效应项，是条件最宽松的⼀种检验
IPS检验
xtunitroot ips lngl, trend demean lags(bic 12)  #包含线性时间趋势项⼜包含个体固定效应项，是条件最苛刻的⼀种检验
xtunitroot ips lngl, demean lags(bic 12)  #仅含个体固定效应项
xtunitroot ips lngl, noconstant demean lags(bic 12)  #不包含线性时间趋势项，也不包含个体固定效应项，是条件最宽松的⼀种检验
ADF-Fisher检验
xtunitroot fisher lngl ,dfuller lags(12) trend demean
xtunitroot fisher lngl ,dfuller lags(12) demean
xtunitroot fisher lngl ,dfuller lags(12) noconstant demean
step 4：最优滞后阶数
pvar2 lngl lngi lnin,lag(5) soc
在操作结果中，有AIC、BIC和HQIC三个准则，每个准则下的最⼩值会⽤星号标出，星号最多的滞后阶数就是最优滞后阶数。
step 5：格兰杰因果检验
pvar2 lngl lngi lnin, lag(2) granger
step 6：脉冲响应和⽅差分解（平稳的情况）
pvar2 lngl lngi lnin,lag(2) irf(10)
pvar2 lngl lngi lnin,lag(2) decomp(30)
结果出现
以及
如果出现⾮平稳的情况，那么需要进⾏协整检验xtwest lngl lngi lnin, constant trend lags(2)
最后，所有的代码结合
stata怎么发音encode district, gen(dis)
order dis, before(year)
xtset dis year
xtdes
xtsum lngl lngi lnin
xtunitroot ips lngl, demean lags(bic 6)
xtunitroot ips lngi, demean lags(bic 2)
xtunitroot ips lnin, demean lags(bic 6)
pvar2 lngl lngi lnin,lag(5) soc
pvar2 lngl lngi lnin, lag(2) granger
pvar2 lngl lngi lnin,lag(2) irf(10)
pvar2 lngl lngi lnin,lag(2) decomp(30)
注：在进⾏数据建模以及检验的时候需要⽤到连⽟君⽼师的pvar2的安装包

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。