样本容量很少，用eviews建立VAR模型时滞后个数是怎么确定的？ 用eviews对VAR模型滞后期判定中的问题
Eviews\u5efa\u7acbVAR\u6a21\u578b\uff0c\u5982\u679c\u9009\u62e9\u7684\u6307\u6807\u4e4b\u95f4\u4e0d\u5b58\u5728\u683c\u5170\u6770\u56e0\u679c\u5173\u7cfb\uff0c\u8fd8\u80fd\u505aVAR\u6a21\u578b\u4e48\uff1f\u53ef\u4ee5\u653e\u5165VAR\u6a21\u578b\u4e2d\uff0c\u683c\u5170\u6770\u3001\u8109\u51b2\u54cd\u5e94\u5206\u6790\u3001variance decompositions \u662f\u5206\u6790VAR\u7684\u4e09\u79cd\u65b9\u5f0f\u800c\u5df2\u3002A \u662fB \u7684granger causality\uff0c\u53ea\u662f\u8bf4A\u7684\u8fc7\u53bb\u503c\u5bf9B\u73b0\u5728\u7684\u503c\u6709\u5f71\u54cd\u3002
\u5e0c\u671b\u80fd\u5e2e\u5230\u5176\u4ed6\u4eba\u3002
\u91cc\u9762\u662f\u8ba9\u4f60\u586b\u5199\u5185\u751f\u53d8\u91cf\u7684\u6ede\u540e\u9636\u6570\u3002
\u5728VAR\u4e2d\u901a\u5e38\u4e00\u4e2a\u65b9\u7a0b\u7684\u88ab\u89e3\u91ca\u53d8\u91cf\uff08\u53ca\u5176\u6ede\u540e\u9879\uff09\u5728\u53e6\u4e00\u4e2a\u65b9\u7a0b\u4e2d\u662f\u89e3\u91ca\u53d8\u91cf\uff0c\u8fd9\u5c31\u6d89\u53ca\u5230\u4e00\u4e2a\u6ede\u540e\u9636\u6570\u7684\u95ee\u9898\u3002
\u56e0\u4e3a\u6ede\u540e\u9636\u6570\u8d8a\u591a\uff0c\u9700\u8981\u4f30\u8ba1\u7684\u53c2\u6570\u5c31\u8d8a\u591a\uff0c\u8fd9\u5c31\u5f71\u54cd\u5230\u81ea\u7531\u5ea6\u3002\u6ede\u540e\u9636\u6570\u7684\u589e\u52a0\u4f1a\u5728\u4e00\u5b9a\u7a0b\u5ea6\u4e0a\u63d0\u9ad8\u6a21\u578b\u7684\u89e3\u91ca\u80fd\u529b\uff0c\u4f46\u5e76\u4e0d\u662f\u8d8a\u9ad8\u8d8a\u597d\uff0c\u5b58\u5728\u4e00\u4e2a\u6700\u4f18\u7684\u9636\u6570\u3002\u786e\u5b9a\u6700\u4f18\u9636\u6570\u7684\u65b9\u6cd5\u901a\u5e38\u4f7f\u7528\u8d64\u6c60\u4fe1\u606f\u51c6\u5219\u6216\u8005\u65bd\u74e6\u8328\u4fe1\u606f\u51c6\u5219\u3002\u5373AIC\u6216SIC\u3002
\u4e00\u4e2a\u7b80\u5355\u7684VAR(2)\u6a21\u578b\u5982\u4e0b\uff1a
xt=a(yt-1)+by(t-2)+c
yt=d(xt-1)+ex(t-2)+f
40个时间长度的话满足大样本性质了吧，我觉得可以做。取多少你从小往大试，超过允许会有提示。
样本量太少不能做var模型
绛旓細鍏朵腑R2j涓轰互浣滀负cj鍥犲彉閲,鍏朵綑p-1涓嚜鍙橀噺浣滀负鑷彉閲寤虹珛澶氬厓鍥炲綊妯″瀷鎵寰楃殑鏍锋湰鍐冲畾绯绘暟,鎵浠2j瓒婂ぇ鍒欒鏄庤嚜鍙橀噺涔嬮棿鑷浉鍏虫ц秺澶,姝ゆ椂涔熻秺澶,鍙互璁や负VIFj>10(R2j>0.9)鍒欏瓨鍦ㄥ閲嶅叡绾挎с 杩樺彲浠ヤ娇鐢╒IFj鐨勫钩鍧囨暟浣滀负鍒ゆ柇鏍囧噯,濡傛灉avg(VIFj)杩滃ぇ浜10鍒欒涓哄瓨鍦ㄥ閲嶅叡绾挎с eviews閲屽浣曚娇鐢╒IF娉?--寤虹珛...
绛旓細鎬鐗规楠岀湅n*R^2涓庣浉搴斿崱鏂瑰垎甯冧复鐣屽硷紙x^2锛坮锛夛級鐨勫ぇ灏忋俷涓鏍锋湰瀹归噺锛孯^2涓虹浉鍏崇郴鏁帮紝x涓哄崱鏂圭鍙凤紝r涓鸿緟鍔╂柟绋嬩腑瑙ｉ噴鍙橀噺涓暟銆俋 X^ X*X2 X2 X2^2 鐢辨鐪嬭緟鍔╂柟绋嬩腑瑙ｉ噴鍙橀噺涓暟鍏5涓紝鎵浠ヤ綘鍘绘煡鍗℃柟鍒嗗竷琛紝鏌ヨ〃寰楋紝鍦5%鏄捐憲鎬ф按骞筹紙濡傛灉浣犵殑闂鎵鍙栧緱鏄捐憲鎬ф按骞充笉鏄5%锛岄偅灏辨崲...
绛旓細1銆佹寜涓嬪垱寤烘枃浠舵寜閽, 鍒涢犱竴涓柊鏂囦欢銆2銆佸湪宸︿笂鏂归夋嫨,鍦ㄥ彸涓婃柟閿叆瑙傚療鏁伴噺銆3銆佸湪鐢靛瓙琛ㄦ牸澶嶅埗瑙傚療鏁版嵁,鍦‥VIEWS鐨勭┖鐧藉璐翠笂銆4銆佸崟鍑诲畬鎴愬悗鍑虹幇濡備笅鍥炬墍绀哄浘鏍枫5銆佸湪宸ュ叿鍒楄〃閫夋嫨妯″瀷鐨勫弬鏁颁及璁°6銆佹渶涓婇潰绌虹櫧澶勯敭鍏ユ兂瑕佷及绠楃殑妯″瀷 (濡備緥:gdp c consumption), yi= 尾0+尾1 * xi, ...
绛旓細濡傛灉AIC鍜孲C骞朵笉鏄悓鏃跺彇鍊兼渶灏锛岄噰鐢LR妫楠岃繘琛屽彇鑸嶃傚鏋滄椂搴忔暟鎹鏍锋湰瀹归噺灏忥紝杩欐椂AIC鍜孲C鍑嗗垯鍙兘闇瑕佽皑鎱庯紝杩樻槸闇瑕佹牴鎹粡楠岄獙璇併傝嚜宸辩殑缁忛獙鐪嬶紝杩欐椂涓鑸瘮杈冩粸鍚1銆2銆3闃跺熀鏈彲浠ュ緱鍒拌緝濂界粨鏋溿傚彟澶栵紝杩樺彲浠ラ氳繃eviews6.0杞欢纭畾鏈澶ф粸鍚庨樁鏁帮紝 鍦╲ar浼拌缁撴灉绐楀彛涓偣鍑籿iew/lag structure/lag ...
绛旓細RSS=sum squared resid RSS=锛坣-k-1锛*锛圫.E.regression锛塣2 n涓鏍锋湰瀹归噺锛k涓鸿В閲婂彉閲忎釜鏁般俆SS=锛坣-1锛*锛圫.D. dependent锛塣2 浠ヤ笂銆
绛旓細闈炲寮傜煩闃佃繕鍙互琛ㄧず涓鸿嫢骞蹭釜鍒濈瓑鐭╅樀鐨勪箻绉紝璇佹槑涓線寰浼氳鐢ㄥ埌銆傚鏋淎(n脳n)涓哄寮傜煩闃碉紙singular matrix锛<=> A鐨勭ЗRank(A)<n.濡傛灉A(n脳n)涓洪潪濂囧紓鐭╅樀锛坣onsingular matrix锛<=> A婊＄З锛孯ank(A)=n. Eviews杞欢涓綋鏍锋湰瀹归噺澶灏鎴栨槸褰撳彉閲忛棿瀛樺湪瀹屽叏鐩稿叧鎬ф椂浼氭彁绀衡渘ear singular ...
绛旓細鏃堕棿搴忓垪鏄競鍦洪娴嬩腑缁忓父娑夊強鐨勪竴绫绘暟鎹舰寮忥紝鏈功绗竷绔犲瀹冭繘琛屼簡姣旇緝璇︾粏鐨勪粙缁嶃傞氳繃绗竷绔犵殑瀛︿範锛岃鑰呬簡瑙ｄ簡浠涔堟槸鏃堕棿搴忓垪锛屽苟鎺ヨЕ鍒版湁鍏虫椂闂村簭鍒楀垎鏋愭柟娉曠殑鍘熺悊鍜屼竴浜涘垎鏋愬疄渚嬨傛湰鑺傜殑涓昏鍐呭鏄鏄庡浣浣跨敤Eviews杞欢杩涜鍒嗘瀽銆傜己鐐 闇瑕佹寚鍑虹殑鏄紝鐩稿叧绯绘暟鏈変竴涓槑鏄剧殑缂虹偣锛屽嵆瀹冩帴杩戜簬1鐨勭▼搴...
绛旓細1銆佹墦寮Eviews 7杞欢锛屼緷娆＄偣鍑讳笂闈㈣彍鍗曟爮鐨勩怓ile銆戔斺斻怤ew銆戔斺斻怶orkfile...銆戯紝蹇嵎閿槸鈥淐trl+N鈥濓紝杩欐椂鍊欏氨浼氬嚭鐜寤虹珛鏁版嵁鐨勭晫闈2銆佸湪鈥淲F鈥濋噷闈㈣緭鍏ユ枃浠跺悕锛屼互渚夸簬鎴戜滑瀵绘壘鏂囦欢锛岃繖閲岀殑鎵鏈夎緭鍏ュ唴瀹归兘涓嶈兘涓烘眽瀛椼傚畬鎴愭墍鏈夌殑璁剧疆灏辩偣鍑汇怬K銆戝嵆鍙3銆佷緥濡傛垜鐨勬暟鎹槸1999~2014锛屽氨鏄...
绛旓細鍑虹幇濂囧紓鐭╅樀鏄洜涓烘暟鎹粍閲岄潰浼氭湁鐩哥被浼肩郴鏁扮殑鏁版嵁銆傚嵆绾﹀寲鍚庝細鏈夌浉鍚岀殑鏁版嵁缁勯犳垚鏁版嵁缁勪笉瓒筹紝鍙互澧炲姞鏁版嵁缁勶紝鎴栬呰繘琛岀煩闃电畝鍖栵紝鎵惧嚭鏈夐棶棰樼殑鏁版嵁杩涜淇銆
绛旓細鐢ㄩ旂ず渚嬮潪濂囧紓鐭╅樀杩樺彲浠ヨ〃绀轰负鑻ュ共涓垵绛夌煩闃电殑涔樼Н锛岃瘉鏄庝腑寰寰浼氳鐢ㄥ埌銆傚鏋淎(n脳n)涓哄寮傜煩闃碉紙singular matrix锛 A鐨勭ЗRank(A) A婊＄З锛孯ank(A)=n. [1]娉ㄦ剰Eviews杞欢涓綋鏍锋湰瀹归噺澶灏鎴栨槸褰撳彉閲忛棿瀛樺湪瀹屽叏鐩稿叧鎬ф椂浼氭彁绀衡渘ear singular matrix鈥濓紝鎰忎负鈥滆繎濂囧紓鐭╅樀鈥濄傝閲忕粡娴庡鑼冪暣鐗圭偣...
