面板数据协整检验(Stata)

这篇具有很好参考价值的文章主要介绍了面板数据协整检验(Stata)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

面板数据协整检验(Stata)

当时间序列数据存在非平稳性时,直接将经济变量进行回归可能产生伪回归问题。针对非平稳数据计量建模,首先要判定这些变量是否存在同阶单整,如果满足同阶单整,才有必要对这些变量进行协整检验。当所涉及的变量存在协整时,由这些变量构建的回归模型才有意义,这也是区别于真实回归和虚假回归的标志。协整检验的前提是原始变量是非平稳的,或者变量具有单位根过程。因此在实际操作时,先对原始变量进行单位根检验,当所有变量都是非平稳,且同阶差分平稳时(或者同阶单整),才有必要采取协整检验。在Stata软件中,提供了Kao、pedroni和 westerlund三种检验方式,不同方式有其不同的适用条件,具体如下:

kao检验只能用于同质面板,命令选择项包括

  • lags(#)ADF检验滞后阶数#,见下文
  • kernel()协方差矩阵核估计方法,见下文
  • demean个体去均值

Pedroni检验适用于异质面板,命令选择项包括

  • ar(panelspecific|same) ADF检验中AR系数异质(默认)否
  • lags(#)ADF检验滞后阶数#
  • kernel()协方差矩阵核估计方法
  • demean个体去均值
  • trend 趋势效应
  • noconstant 无个体效应

westerlund检验适用于异质面板,命令选择项包括

  • trend 趋势效应
  • demean个体去均值
  • somepanles 一定比例的面板数据存在协整(默认)
  • allpanels 全部变量存在协整

其中ADF的检验形式包括:

  • # 表示滞后阶数,缺失默认为1
  • aic # 以aic准则确定最大滞后阶数 #
  • bic # 以bic准则确定最大滞后阶数 #
  • hqic # 以hqic准则确定最大滞后阶数 #

协方差核估计选择项包括:barlett newest 、barlett # 、parzen newest、parzen #、quadraticspectral newst、quadraticspectral #。上述三种检验的原假设为H0:变量间不存在协整关系;Kao、pedroni检验备择假设H1:全部变量之间存在协整关系。westerlund检验的备择假设存在两种形式,包括H1-a:全部变量存在协整关系;H1-b:存在一定比例的变量具有协整关系。


代码(Stata)操作如下:文章来源地址https://www.toymoban.com/news/detail-448800.html

* help xtcointtest
**# 1 数据准备
webuse xtcoint //调用网页数据
summarize rddomestic- productivity //描述统计

**# 2 单位根检验

xtunitroot ht productivity
/*
 xtunitroot ht productivity

Harris-Tzavalis unit-root test for productivity
-----------------------------------------------
H0: Panels contain unit roots               Number of panels  =    100
Ha: Panels are stationary                   Number of periods =    150

AR parameter: Common                        Asymptotics: N -> Infinity
Panel means:  Included                                   T Fixed
Time trend:   Not included
------------------------------------------------------------------------------
                    Statistic         z         p-value
------------------------------------------------------------------------------
 rho                  0.9822        0.9741       0.8350
------------------------------------------------------------------------------

*/
xtunitroot ht rddomestic
/*
Harris-Tzavalis unit-root test for rddomestic
---------------------------------------------
H0: Panels contain unit roots               Number of panels  =    100
Ha: Panels are stationary                   Number of periods =    150

AR parameter: Common                        Asymptotics: N -> Infinity
Panel means:  Included                                   T Fixed
Time trend:   Not included
------------------------------------------------------------------------------
                    Statistic         z         p-value
------------------------------------------------------------------------------
 rho                  0.9999        9.3783       1.0000
------------------------------------------------------------------------------

*/
xtunitroot ht rdforeign
/*
Harris-Tzavalis unit-root test for rdforeign
--------------------------------------------
H0: Panels contain unit roots               Number of panels  =    100
Ha: Panels are stationary                   Number of periods =    150

AR parameter: Common                        Asymptotics: N -> Infinity
Panel means:  Included                                   T Fixed
Time trend:   Not included
------------------------------------------------------------------------------
                    Statistic         z         p-value
------------------------------------------------------------------------------
 rho                  0.9990        8.9594       1.0000
------------------------------------------------------------------------------

*/

*以上结果表明productivity、rddomestic和rdforeign非平稳,接下来考虑一阶差分,再进行单位根检验

xtunitroot ht d.productivity,demean
/*

Harris-Tzavalis unit-root test for D.productivity
-------------------------------------------------
H0: Panels contain unit roots               Number of panels  =    100
Ha: Panels are stationary                   Number of periods =    149

AR parameter: Common                        Asymptotics: N -> Infinity
Panel means:  Included                                   T Fixed
Time trend:   Not included                  Cross-sectional means removed
------------------------------------------------------------------------------
                    Statistic         z         p-value
------------------------------------------------------------------------------
 rho                 -0.3755      -6.4e+02       0.0000
------------------------------------------------------------------------------
*/
xtunitroot ht d.rddomestic,demean 
/*
xtunitroot ht d.rddomestic,demean 

Harris-Tzavalis unit-root test for D.rddomestic
-----------------------------------------------
H0: Panels contain unit roots               Number of panels  =    100
Ha: Panels are stationary                   Number of periods =    149

AR parameter: Common                        Asymptotics: N -> Infinity
Panel means:  Included                                   T Fixed
Time trend:   Not included                  Cross-sectional means removed
------------------------------------------------------------------------------
                    Statistic         z         p-value
------------------------------------------------------------------------------
 rho                 -0.0039      -4.6e+02       0.0000
------------------------------------------------------------------------------

*/

xtunitroot ht d.rdforeign,demean 
/*
Harris-Tzavalis unit-root test for D.rdforeign
----------------------------------------------
H0: Panels contain unit roots               Number of panels  =    100
Ha: Panels are stationary                   Number of periods =    149

AR parameter: Common                        Asymptotics: N -> Infinity
Panel means:  Included                                   T Fixed
Time trend:   Not included                  Cross-sectional means removed
------------------------------------------------------------------------------
                    Statistic         z         p-value
------------------------------------------------------------------------------
 rho                 -0.0029      -4.6e+02       0.0000
------------------------------------------------------------------------------

*/

* 以上结果表明,所有变量满足一阶单整I(1),下面考虑协整

**# 3 协整检验
xtcointtest kao productivity rddomestic rdforeign //Kao检验
/*
Kao test for cointegration
--------------------------
H0: No cointegration                        Number of panels       =    100
Ha: All panels are cointegrated             Number of periods      =    148

Cointegrating vector: Same
Panel means:          Included              Kernel:           Bartlett
Time trend:           Not included          Lags:             3.60 (Newey–West)
AR parameter:         Same                  Augmented lags:   1 
------------------------------------------------------------------------------
                                            Statistic         p-value
------------------------------------------------------------------------------
 Modified Dickey–Fuller t                   -23.6733          0.0000
 Dickey–Fuller t                            -15.1293          0.0000
 Augmented Dickey–Fuller t                   -3.6909          0.0001
 Unadjusted modified Dickey–Fuller t        -46.7561          0.0000
 Unadjusted Dickey–Fuller t                 -20.2521          0.0000
------------------------------------------------------------------------------
*共有5个统计量,最后两个没有校正,主要看ADF检验
*/

xtcointtest pedroni productivity rddomestic rdforeign //pedroni检验
/*
Pedroni test for cointegration
------------------------------
H0: No cointegration                        Number of panels       =    100
Ha: All panels are cointegrated             Number of periods      =    149

Cointegrating vector: Panel specific
Panel means:          Included              Kernel:           Bartlett
Time trend:           Not included          Lags:             4.00 (Newey–West)
AR parameter:         Panel specific        Augmented lags:   1 
------------------------------------------------------------------------------
                                            Statistic         p-value
------------------------------------------------------------------------------
 Modified Phillips–Perron t                 -26.1145          0.0000
 Phillips–Perron t                          -21.2436          0.0000
 Augmented Dickey–Fuller t                  -25.3701          0.0000
------------------------------------------------------------------------------
三个统计量都具有参考价值
*/

xtcointtest westerlund productivity rddomestic rdforeign // westerlund检验,默认部分比例存在协整
/*
Westerlund test for cointegration
---------------------------------
H0: No cointegration                        Number of panels       =    100
Ha: Some panels are cointegrated            Number of periods      =    150

Cointegrating vector: Panel specific
Panel means:          Included
Time trend:           Not included
AR parameter:         Panel specific
------------------------------------------------------------------------------
                                            Statistic         p-value
------------------------------------------------------------------------------
 Variance ratio                              -8.0237          0.0000
------------------------------------------------------------------------------
*/

* 下面考虑将H1:全部变量存在协整 作为备择假设

xtcointtest westerlund productivity rddomestic rdforeign, allpanels
/*
Westerlund test for cointegration
---------------------------------
H0: No cointegration                        Number of panels       =    100
Ha: All panels are cointegrated             Number of periods      =    150

Cointegrating vector: Panel specific
Panel means:          Included
Time trend:           Not included
AR parameter:         Same
------------------------------------------------------------------------------
                                            Statistic         p-value
------------------------------------------------------------------------------
 Variance ratio                              -5.9709          0.0000
------------------------------------------------------------------------------
*/

** 以上结果表明,变量productivity rddomestic rdforeign存在协整,可以考虑非平稳建模,如面板向量误差修正模型等。

-END-

到了这里,关于面板数据协整检验(Stata)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Stata中异方差检验(代码直接食用)

    在线性回归模型的经典假设下,运用最小二乘法回归估计得到的才是最优线性无偏估计量(BLUE)。在实际问题中,完全满足基本假设的情况并不多,不满足的基本假设的情况下称为 基本假定违背 ,而 异方差 就是其中一种。 对于异方差的检验有很多种,这里我们介绍3种方法

    2024年02月02日
    浏览(35)
  • Stata | 分组回归系数差异性检验

    这篇博客介绍的是在两个样本组的模型设定是一样的情形下,进行分组回归后,比较相同变量中二者在系数大小上是否显著差异。如果系数差异显著,则说明二者在经济意义上显著差异。 因为我们常常使用的数据是面板数据,并且,我们常常由于控制很多固定效应,导致在进

    2023年04月11日
    浏览(34)
  • 空间权重矩阵与相关性检验(Stata)

    由于窗口限制,不能很好显示完整。 1.1 全局空间相关性检验 数据集test01是关于美国俄亥俄州哥伦布市的截面数据,hoval是房价,income表示收入,crime为犯罪率。下面进行全局空间自相关检验 1.2 局部空间自相关检验 1.3 散点图 2.1 截断距离权重矩阵 部分数据结构 转化的矩阵后

    2024年02月05日
    浏览(32)
  • 实证论文复刻|stata安慰剂检验

    文章及代码来源:中国工业经济《税收征管数字化与企业内部薪酬差距》 目录 随机抽取对照组和实验组 随机设定政策时点 先po完整代码 接下来逐一解读: forvalue表示循环 sysuse表示使用xx数据,和use区别参考stata中 sysuse和use区别 - 知乎 简单来说use调用数据时,需要加上路径

    2024年02月15日
    浏览(28)
  • 空间面板回归模型(stata操作)

    此检验主要检验所研究的变量(或被解释变量)是否存在空间依赖性。首先利用各省份地区的位置坐标使用stata构造空间权重矩阵(距离矩阵),然后导入stata中。 还可画出莫兰分布图 结果如下: 通过P值可知,被解释变量在各8年中存在着空间依赖性,所以继续进行空间模型

    2024年04月15日
    浏览(29)
  • Eviews用向量自回归模型VAR实证分析公路交通通车里程与经济发展GDP协整关系时间序列数据和脉冲响应可视化...

    河源市是国务院1988年1月7日批准设立的地级市,为了深入研究河源市公路交通与经济发展的关系,本文选取了1988-2014年河源市建市以来24年的地区生产总值(GDP)和公路通车里程(GL)的时间序列数据,其中公路通车里程(GL)用来反映河源市公路交通发展状况,地区生产总

    2024年02月09日
    浏览(35)
  • 计量经济学及Stata应用 陈强 第九章模型设定与数据问题习题9.4

    9.4使用数据集Growth.dta考察贸易与增长的关系。该数据集的被解释变量为65个国家1960-1995年的平均增长率(growth),而主要解释变量为1960-1995年的平均贸易开放度(tradeshare) (1)将growth与tradeshare的散点图与线性拟合图画在一起,二者看上去是否有关系? (2)有一个国家马耳

    2024年02月04日
    浏览(69)
  • 计量经济学及Stata应用 陈强 第九章模型设定与数据问题习题9.5

    9.5美国的汽油需求函数是否稳定?使用数据集gasoline.dta,估计美国1953-2004年的汽油需求函数: 其中,被解释变量lgasq为人均汽油消费量的对数,解释变量lincome为人均收入对数,lgasp为汽油价格指数的对数,lpnc为新车价格指数的对数,lpuc为二手车价格指数的对数。 (1)将lgas

    2024年02月06日
    浏览(115)
  • 正态分布检验:检验序列数据是否符合正态分布

    介绍 JB检验主要适用于 样本数量大于30 ,而且样本数越多,JB检验效果越准确。 JB检验主要用于 判断数据是否符合总体正态分布 ,而且构造的 JB统计量 需要符合自由度为2的卡方分布,即为 。JB统计量如下所示。 (n为样本量,S为偏度,K为峰度) JB检验主要 利用峰度 和 偏

    2024年02月07日
    浏览(36)
  • Python快速检验数据分布

    假设检验的前提是确定数据的分布,本文介绍Python检验数据样本是否服从一定分布。使用方法是柯尔莫可洛夫-斯米洛夫检验(Kolmogorov–Smirnov test,K-S test),K-S检验方法适用于探索连续型随机变量的分布,对于离散分布(二项分布和泊松分布)需要使用其他方法进行检验。

    2024年02月11日
    浏览(26)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包