Ankündigung 02 Aug 2014, 05:08 Hallo, ich denke, man muss ein Programm dafür herunterladen, ist aber nicht öffentlich verfügbar. Ich erinnere mich, dies zu lesen vor ein paar Monaten, dass das Panel VAR-Programm wurde von Inessa Love, die verwendet und vielleicht noch funktioniert bei der Weltbank geschrieben. Möglicherweise müssen Sie sie direkt kontaktieren, weil das Programm nicht zum Download auf STATA, zumindest so weit ich weiß. Obwohl dies hilfreich sein könnte, hat jemand Inessas Programm geändert: rdeckercode. Hallo ihr Lieben, ich habe ein Problem mit dem Pvar-Pseudo-Pseudo-Pseudo-Pseudo-Pseudo-System, Xtunitroot ips a, lags (aic) ay oder x variabel 2) Für den Kointegrationstest (Pedroni): xtpedroni y xlist, nopdols lagselect (aic) 3) Für das Fehlerkorrekturmodell: xtpmg dy d. (Xlist), lr (ly Xlist) noconst ersetzen pmg Hat jemand Erfahrung mit xtpmg zu teilen Dank im Voraus, Daniel ColomboIm eine Studie über die Determinanten der ausländischen Direktinvestitionen (Foreign Direct Investment) in den ASEAN-Ländern. Bevor eine Panel-Datenanalyse durchgeführt wird, führt Id ggf. einen Granger Causality Test zwischen den potentiellen FDI-Determinanten der Zeitreihen (GDP, Wechselkurs, ecc) und den FDIs durch, um die Wahl dieser Variablen für die obige Panelanalyse zu unterstützen. Meine Fragen sind: Ist es sinnvoll, wenn die Zeitreihen nicht stationär sind (Ive schon mit einem ADF-Test entdeckt), könnte ich (in jedem Fall) die Granger CT laufen lassen oder muss ich Zeitreihen mit irgendeinem Kointegrationsprozess stationär machen Vor (und in diesem Fall, welche) (die wichtigsten) Wie kann ich es mit Stata (Ich glaube, ich habe eine VAR oder SVAR, bevor Sie die Granger CT laufen, ist es richtig macht es Sinn, nicht stationär (Einheitswurzel) Zeitreihen) wie sollte ich den Test einrichten (abhängige Variable, Verzögerungsperioden, ecc.) (Und endlich) Wie kann ich interpretieren die (Stata Granger CT) Ergebnisse Dank im Voraus zu jedem gefragt Jul 31 13 um 6 : 04 Ich bin bei weitem kein Experte auf Zeitreihen, aber das sind meine Gedanken für das, was es wert ist. Hoffentlich könnte jemand anderes dazu beitragen, Ihnen weiter auf Ihrem Weg helfen. Macht es Sinn Für mich macht es nicht wirklich viel Sinn. Wenn ich Paneldatenanalyse tue, stütze ich die Wahl meiner Variablen auf die Ergebnisse in der Literatur. Es sollte eine theoretische Grundlage für Ihr Modell. Ich würde nur die Granger Kausalität Test als eine Methode der Analyse. Dieses Papier könnte von Interesse für Sie sein, wo sie einen Granger-Test in einer Paneldateneinstellung verwenden. Wenn die Zeitreihen nicht stationär sind, kann ich die Granger CT laufen lassen oder muss ich die Zeitreihe mit irgendeinem Kointegrationsprozess stationär machen lassen, dann solltest du die Zeitreihe als VAR-Modell stationär machen, die du für die Testannahme benutzt Dass die Daten stationär sind. Wenn Ihre Zeitreihe eine Einheit Root hat, wird oft das erste Differenzieren diese Einheit root beseitigen. Wie kann ich es mit Stata tun? Erstes Differenzieren kann mit dem D-Befehl durchgeführt werden (vergessen Sie nicht, Ihre Daten zuerst einzustellen) Wenn Sie also Ihre Zeitreihen mit dem Namen gdp haben, dann unterscheiden Sie es zuerst durch: Sie können einrichten Das VAR-Modell mit dem var-Befehl. Für Hilfe zu diesem einfach Art So könnte der Befehl für Ihr VAR-Modell sein: Verwenden Sie varsoc, um die optimale Länge der Anzahl der Verzögerungen zu prüfen, die eingeschlossen werden müssen. Also im folgenden Befehl teste ich die ersten 20 Verzögerungen. Das Modell kann mit der gewünschten Anzahl von Verzögerungen ausgeführt werden, zum Beispiel Nach dem Anpassen des var-Modells können Sie den Granger-Kausalitätstest unter Verwendung von: Wie kann ich die Ergebnisse interpretieren, fand ich diesen Beitrag sehr nützlich, wie man einen Granger-Kausalitätstest durchführt und interpretiert (Es erfolgt in R). Seien Sie sich bewusst, dass die Nullhypothese eine auf nicht Granger Kausalität ist.
No comments:
Post a Comment