R语言EG(Engle |
您所在的位置:网站首页 › coefficient和std error › R语言EG(Engle |
全文链接:http://tecdat.cn/?p=31108
作为衡量通货膨胀的基本指标,消费者价格指数CPI和生产者价格指数PPI的作用关系与传导机制一直是宏观经济研究的核心问题。(点击文末“阅读原文”获取完整代码数据)。 对此问题的研究显然具有重要的学术价值与现实意义:当PPI先行地引导着CPI的变动,则意味着上游价格对下游价格具有正向传导效应,物价可能因供给因素的冲击而上升,并由此引发“成本推动型通胀”的风险,此时,通胀治理应以“供给调控”为主;反之,当CPI引导着PPI的变动,则意味着存在下游价格对上游价格的反向倒逼机制,物价可能因需求因素的冲击而上升,并由此引发“需求拉动型通胀”的风险,此时的通胀治理则应以“需求调控”为主。 相关视频 我们围绕因果关系检验技术进行一些咨询,帮助客户解决独特的业务问题。 数据:CPI与PPI 月度同比数据 查看数据后发现需要进行季节调整 给出输出结果: 点击标题查阅往期内容 R语言ECM误差修正模型、均衡修正模型、受限VECM、协整检验、单位根检验即期利率市场数据 左右滑动查看更多 01 02 03 04 (1)若存在单位根,用差分后序列进行2、3、4 步; (2)若不存在单位根,就用原序列。 因此,对两个数据都进行差分。 data$CPI=c(0,diff(data$CPI)) 2、 检验协整关系——EG两步法给出输出结果 (1)若存在长期协整,用VECM法线性过滤,利用利用过滤后的“残差成分”再进行3,4 步; (2)若不存在长期协整,就不用过滤,直接进行3、4步。 建立长期均衡模型 ## Call: ## lm(formula = PPI ~ CPI, data = data) ## ## Residuals: ## Min 1Q Median 3Q Max ## -3.6930 -0.5071 -0.0322 0.4637 3.2085 ## ## Coefficients: ## Estimate Std. Error t value Pr(>|t|) ## (Intercept) -0.03678 0.06428 -0.572 0.568 ## CPI 0.54389 0.10176 5.345 2.61e-07 *** ## --- ## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 ## ## Residual standard error: 0.8836 on 187 degrees of freedom ## Multiple R-squared: 0.1325, Adjusted R-squared: 0.1279 ## F-statistic: 28.57 on 1 and 187 DF, p-value: 2.615e-07 绘制残差 ts.plot( residual不存在长期协整,就不用过滤,直接进行3、4步 3、 非线性检验——RESET检验方法给出输出结果 ## RESET test ## ## data: data$PPI ~ data$CPI ## RESET = 0.28396, df1 = 1, df2 = 186, p-value = 0.5948 4、 建立VAR模型、格兰杰因果检验建立VAR模型给出输出结果 ## $Granger ## ## Granger causality H0: CPI do not Granger-cause PPI ## ## data: VAR object var.2c ## F-Test = 5.1234, df1 = 2, df2 = 364, p-value = 0.006392 ## ## ## $Instant ## ## H0: No instantaneous causality between: CPI and PPI ## ## data: VAR object var.2c ## Chi-squared = 15.015, df = 1, p-value = 0.0001067p值小于给定的显著性水平拒绝,一般p值小于0.05,特殊情况下可以放宽到0.1。f统计量大于分位点即可。一般看p值。 格兰杰检验主要看P值即可。例如,若P值小于0.1,则拒绝原假设,变量间存在格兰杰因果关系。 点击文末“阅读原文” 获取全文完整代码数据资料。 本文选自《R语言EG(Engle-Granger)两步法协整检验、RESET、格兰杰因果检验、VAR模型分析CPI和PPI关系》。 点击标题查阅往期内容 Matlab用向量误差修正VECM模型蒙特卡洛Monte Carlo预测债券利率时间序列和MMSE 预测 R语言向量误差修正模型 (VECMs)分析长期利率和通胀率影响关系 向量自回归(VAR)模型分析消费者价格指数 (CPI) 和失业率时间序列 Matlab创建向量自回归(VAR)模型分析消费者价格指数 (CPI) 和失业率时间序列 Stata广义矩量法GMM面板向量自回归 VAR模型选择、估计、Granger因果检验分析投资、收入和消费数据 R语言时变向量自回归(TV-VAR)模型分析时间序列和可视化 R语言用向量自回归(VAR)进行经济数据脉冲响应研究分析 R语言arima,向量自回归(VAR),周期自回归(PAR)模型分析温度时间序列 R语言VAR模型的不同类型的脉冲响应分析 R语言随机搜索变量选择SSVS估计贝叶斯向量自回归(BVAR)模型 R语言时变参数VAR随机模型 R语言估计时变VAR模型时间序列的实证研究分析案例 R语言向量自回归模型(VAR)及其实现 R语言实现向量自回归VAR模型 R语言估计时变VAR模型时间序列的实证研究分析案例 Python和R用EWMA,ARIMA模型预测时间序列 R语言用LASSO,adaptive LASSO预测通货膨胀时间序列 Python中的ARIMA模型、SARIMA模型和SARIMAX模型对时间序列预测 R语言arima,向量自回归(VAR),周期自回归(PAR)模型分析温度时间序列 【视频】Python和R语言使用指数加权平均(EWMA),ARIMA自回归移动平均模型预测时间序列 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |