门槛回归模型_VAR向量自回归&面板门槛模型

一、VAR向量自回归

先做同阶平稳分析,在进行VAR自回归,回归好以后再进行协整检验和单位圆检验,检验好以后用脉冲相应函数和方差分解来研究变量之间的互动关系。

首先,导入数据

门槛回归模型_VAR向量自回归&面板门槛模型

首先做同阶平稳检验

门槛回归模型_VAR向量自回归&面板门槛模型

分别试探0阶,一阶,二阶是否平稳

门槛回归模型_VAR向量自回归&面板门槛模型

比如Y的0阶处理结果如下:

门槛回归模型_VAR向量自回归&面板门槛模型

可以看到0阶情况下,是不平稳的,所以再对Y进行1阶平稳性检验:

门槛回归模型_VAR向量自回归&面板门槛模型

可以看到1阶是平稳的:

门槛回归模型_VAR向量自回归&面板门槛模型

同理对k和l进行相关的分析。

同阶平稳处理好以后,做VAR自回归

门槛回归模型_VAR向量自回归&面板门槛模型

门槛回归模型_VAR向量自回归&面板门槛模型

在框中输入如下内容:

门槛回归模型_VAR向量自回归&面板门槛模型

然后做协整分析:

门槛回归模型_VAR向量自回归&面板门槛模型

门槛回归模型_VAR向量自回归&面板门槛模型

如果如下图,则说明通过协整

门槛回归模型_VAR向量自回归&面板门槛模型

协整完以后,可以做单位圆检验:

门槛回归模型_VAR向量自回归&面板门槛模型

门槛回归模型_VAR向量自回归&面板门槛模型

所有的点都位于单位圆内,所以这个模型是稳定的。

最后,做一个脉冲分析:

门槛回归模型_VAR向量自回归&面板门槛模型

如下图:

门槛回归模型_VAR向量自回归&面板门槛模型

得到下图:

门槛回归模型_VAR向量自回归&面板门槛模型

再进行方差检验:

门槛回归模型_VAR向量自回归&面板门槛模型

门槛回归模型_VAR向量自回归&面板门槛模型

门槛回归模型_VAR向量自回归&面板门槛模型

门槛回归模型_VAR向量自回归&面板门槛模型

得到下图:

门槛回归模型_VAR向量自回归&面板门槛模型

从上表可以看出,K对L有因果关系,L对Y有因果关系,L对K是没有因果关系的。

关于滞后的期数,可以通过estimate进行设置:

门槛回归模型_VAR向量自回归&面板门槛模型

门槛回归模型_VAR向量自回归&面板门槛模型

门槛回归模型_VAR向量自回归&面板门槛模型

看p值来进行分析:

门槛回归模型_VAR向量自回归&面板门槛模型

然后再进行脉冲分析:

门槛回归模型_VAR向量自回归&面板门槛模型

做岭回归模型:

门槛回归模型_VAR向量自回归&面板门槛模型

然后输入相应的变量,即可进行岭回归分析:

门槛回归模型_VAR向量自回归&面板门槛模型

门槛回归模型_VAR向量自回归&面板门槛模型

二、面板门槛模型

首先要准备相关的数据,利用stata软件进行操作:

门槛回归模型_VAR向量自回归&面板门槛模型

在stata软件中,输入如下命令:

ssc install moremata,all

cd C:\Users\Administrator\Desktop\stata\ado\xtptm

import excel “C:\Users\Administrator\Desktop\xxx.xlsx”, sheet(“Sheet1”) firstrow

输入相关的数据,如果数据是字符串的,那么要对数据进行转化:

egen yy = group(dq)

xtset yy year

然后输入门槛的命令:

xtptm y k2 k3 l,rx(k1) thrvar(year) iters(1000) trim(0.05) grid(100) regime(2)

k1是核心变量,year是门槛变量,得到的结果如下:

门槛回归模型_VAR向量自回归&面板门槛模型

门槛回归模型_VAR向量自回归&面板门槛模型

门槛回归模型_VAR向量自回归&面板门槛模型

门槛回归模型_VAR向量自回归&面板门槛模型

门槛回归模型_VAR向量自回归&面板门槛模型

门槛回归模型_VAR向量自回归&面板门槛模型

从研究结果中,主要看核心变量和门槛变量的回归系数。

交流QQ:1257992189

Original: https://blog.csdn.net/weixin_29529733/article/details/112605626
Author: 杨晓杰
Title: 门槛回归模型_VAR向量自回归&面板门槛模型

原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/634585/

转载文章受原作者版权保护。转载请注明原作者出处!

(0)

大家都在看

亲爱的 Coder【最近整理,可免费获取】👉 最新必读书单  | 👏 面试题下载  | 🌎 免费的AI知识星球