如何用stata构建SVAR模型

如何用stata构建SVAR模型

今天小编带着大家一起来学习如何使用stata构建一个完整的SVAR模型。SVAR模型看似比较复杂，但是只要按部就班就可以很好地理解。

打开stata，stata12.0以上的版本基本都可以完成这一操作。

首先把数据导入到stata中，复制粘贴或者导入都可以。

数据导入之后，就和第二张图片标注的类似。

在对数据进行进行结构VAR模型建模之前，如果是季度数据或阅读数据，我们需要先对数据进行季节调整。然后再对数据进行单位根检验，季节调整和单位根检、如果单位根检验未通过可以对数据进行对数处理，或先对数后差分处理，都可以参考我的其他经验。因为，不是SVAR所必须的步骤，在此就不再赘述。下图为对数据的单位根检验。主要就是观察图中的P-value 如果大于0.05，就是不行，不能进行SVAR模型的建模，你就需要对数据进行处理。第一张图没有通过，第二张图通过了。如果你的数据都能够通过单位根检验即可进行SVAR模型的建模了。

第二步是最优滞后阶数得选择，将你放入回归中的变量填入X1-Xn，想要研究几个变量之间的关系就填入几个变量，其中，m（4）是指最多滞后几阶。

varsoc X1 X2 X3 ,m(4)

下图是一个示例，观察下图中*最多的行，下图中*最多的一行是第4行和第1行，第一行是0，我们不选择，我们选择第4行滞后3阶。

然后第三步是建立，约束矩阵，以三阶矩阵为例，输入下面的命令即可，如果是4阶模型，对矩阵观察后更改即可，每一个杠代表一行。

matrix A = (1,0,0\.,1,0\.,.,1)

matrix B = (.,0,0\0,.,0\0,0,.)

在实际建模时，你需要对矩阵再根据经济意义进行具体设计。

然后第四步就是建模了，我们把需要研究变量填入X1-X3即可

svar X1 X2 X3,lags(1/4) aeq(A) beq(B) nolog

看到这个exactly identified，就说明恰好识别，你的模型就识别好了，如果发现不是exactly identified，就需要在检查下前面的步骤了

第五步就是，对模型稳定性的检验了

varstable,graph

看到点都在圆内就说明模型稳健，可以进行结果的分析了。

第六步就是进行脉冲响应了

irf create model1,set(a1) step(n)

其中model1随便填写，a1页随便填写

step（n）中的n就是选择影响的期数，一般就是10-20阶，可以自己选择，如果弹出了图片就说明操作正确，下图为示例，真实情况会出现很多类似的图。

第七步就是方差分解了

irf graph sfevd

irf table fevd,noci

第一个命令会生成方差分解的图（图1为示例），第二个命令会生成具体数据的表格。（图2为示例）