面板向量自回归PVAR是什么? 数据, 程序和解读一步到位

前些日，咱们小组引荐了面板数据为什么好？读了这篇你才会明白，受到各位学者偏爱和欢迎。几天，咱们引荐给各位学者面板向量自回归模型PVAR。它起源于宏观计量经济学文献，当时是作为多元联立方程模型的替代(Sims 1980)。var系统中的所有变量通常都被视为内生变量，尽管基于理论模型或统计程序的识别限制可能会被强制用于分离外部冲击对系统的影响。随着面板数据设置(Holtz-Eakin、Newey和Rosen，1988)中VAR的引入，面板VAR模型已经被应用于多个领域。

本文简要回顾了广义矩量法(gmm)框架下的panel-var模型选择、估计和推理，并给出了一个程序包，用两个标准的stata数据集进行了说明。早期的一篇文章是Love and Zicchino(2006)，他将这些程序非正式地提供给了其他研究人员。本文介绍了一个更新的具有附加功能程序包，包括通过Stata内置的GMM命令进行估计，该命令允许使用所有可用的GMM选项，向VAR系统添加外生变量，以及根据Andrews和Lu(2001)执行Granger(1969)因果关系测试和最优矩和模型选择标准(MMSC)的子程序。

PVAR估计使用到的几个程序

利用pvar、pvarsoc、pvargranger、pvarstable、pvarirf、和pvarfevd等新命令，可以实现上述齐次面板var模型的模型选择、估计和推理。语法和输出是在stata的内置var命令之后紧密排列的，以便在面板和时间序列va r之间轻松切换。

pvar

PVAR通过在自身滞后、所有其他因变量滞后和外生变量滞后(如有)上拟合每个因变量的多元面板回归来拟合齐次面板VAR。模型估计是通过GMM。该命令是使用stata的gmm命令的交互式版本来实现的，带有解析导数。

pvarsoc

pvarsoc提供了各种总结统计来帮助完成面板var模型的选择过程。汇报了Andrews和Lu(2001)在J统计量基础上发展的模型整体CD、Hansen(1982)J统计量和相应的p值，以及MMSC。Andrew和Lu的标准都是基于hansen的j统计量，它要求矩条件的个数大于模型中内生变量的个数。pvarsoc使用限制性最小的panel var模型的估计样本，也就是说，对于程序适合的所有模型，使用了最高的滞后阶。

pvargranger

后估计命令pvargranger对底层面板var模型的每个方程执行granger因果wald检验。它为stata的内置测试命令提供了一种方便的替代方法。

pvarstable

后估计命令pvarstable通过计算拟合模型的每个特征值的moduli来检查面板VAR估计的稳定性条件。Lütkepohl(2005)and Hamilton(1994)都证明了当伴随矩阵的所有moduli严格小于1时，VAR模型是稳定的。稳定性意味着面板var是可逆的，并且具有无穷阶vma表示，为估计的irf和fevds提供了解释。

pvarirf

后估计命令pvarirf计算并绘制irf。可以估计三种类型的IRF：简单IRF(默认值)、基于Cholesky分解的正交IRF和累积IRFpvarirf。还计算外生变量的动态乘数和累积动态乘数。置信区间是从拟合面板VAR模型，基于MCMC估计高斯近似值。

pvarfevd

后估计命令pvarfevd基于底层面板VAR模型的残差-协方差矩阵的cholesky分解计算fevd。可以选择计算基于蒙特卡罗模拟的标准误差和置信区间。当外生变量包含在基本的面板VAR模型中时，应谨慎解释计算的fevd。

例子

下面是一个使用PVAR的实证例子，里面的数据、程序和解释都可以作为范文用于学习。各位学者，可以直接把里面的Code放到你的Stata软件里运行，若遇到任何问题可以到咱们“面板数据研究小组”交流讨论。

咱们圈子强烈推荐下面这26篇Stata相关文章，尽管Python已经在咱们社群渐渐普及开来，但Stata在数据分析领域还是有一些特别之处。

1.Stata16新增功能有哪些? 满满干货拿走不谢

2.Stata资料全分享，快点收藏学习

3.Stata统计功能、数据作图、学习资源等

4.Stata学习的书籍和材料大放送, 以火力全开的势头

5.史上最全Stata绘图技巧, 女生的最爱