与时间序列相关的S命令及其统计量的解析

联合列表：（将多个脉冲响应图或方差分解列表结合起来）

命令：irf ctable (irfname 脉冲变量 响应变量 方差分解的方法 fevd/IRF 的方法 irf) (irfname 脉冲变量 响应变量 IRF 方法 irf/方差分解的方法fevd)

（4） Irf 其他命令 命令：

irf describe

irf describe ，detail

7． VAR 模型的预测227

窗口操作：Statistics——Multivariate time series——Dynamic forecast

命令格式1（对于VAR、SVAR 模型）：

fcast compute prefix

命令格式2（对于VECM 模型）：

fcast compute prefix

对预测进行作图

命令：fcast graph prefixvar(prefix 变量名)

小结大概流程：

① 估计VAR 模型

var y x z

est store VAR1

② 根据信息准则确定VAR 模型的最优滞后结束，根据结果重新估计

varsoc x z ，maxlag(#)

var *(全部变量，或者 ln*所有的对数变量)，lags(1/3) (比如最优的滞后期为3，滞后期123)

est store VAR2

③ 考察VAR 模型的平稳性

varstable，estimates(VAR2) graph dlabel ( 画图并标出具体数值)

④ 检验VAR 模型残差的正态分布特征和自相关特征

varnorm，jbera estimates(VAR2)

⑤ 对各变量进行Granger 因果关系检验

vargranger （，estimates（VAR2））

⑥ 绘制脉冲响应图以及预测误差方差分解

var y x z，lags(1/3)

irf create irfname，set (名称)

irf graph irf (，estimates（名称）)

irf table fevd(，estimates（名称）/预测区间{n<8}step(n))

⑦ 根据VAR 模型的估计结果进行预测

预测n 期(n<8)

fcast compute prefix(，step(n))

fcast compute f_(，step(n))

将VAR 模型与IRF 相结合的窗口操作：

Statistics——Multivariate time series——Basic VAR

约翰逊协整检验

协整检验是对非平稳变量进行回归的必要前提。

只有存在协整关系，协整回归才有意义。在各种协整检验方法中，Johansen(1998) 在VAR 框架下的特征值检验和迹检验应用最为普通。

命令格式为：

vecrank var1 var2 （,lag(n),trend(constant)）

输出结果：

——————————————————————

max 输出极大特征统计量

ic 输出信息准则

levela 输出1%和5%的临界值

——————————————————————

例如： vecrank depvar var，lags(n) ic max

窗 口 操 作 ： Statistics — — Multivariate time series — — Cointergrating rank of a VECM

向量误差修正模型

由一阶单整变量构成的VAR 模型中，如果变量存在协整关系，那么VAR 模型存在对应的向量误差修正（VEC）表达式。

命令格式：vec 变量（ ，模型设定）

——————————————————————————————————

模型设定：

rank(n) 协整方程的个数，默认选项为rank(1)

lags(n) VAR 模型的最高滞后阶数

trend(constant) 包含无约束的常数项(state 默认值)