eviews怎么取對數(shù)？Ln在Eviews中表示為log。比如數(shù)學(xué)中的ln(Q)在Eviews中表示為log(Q)。ylog(x)直接在軟件中定義。在紙質(zhì)模型中，LN不需要取對數(shù)，估計時使用log()

eviews怎么取對數(shù)？

Ln在Eviews中表示為log。比如數(shù)學(xué)中的ln(Q)在Eviews中表示為log(Q)。ylog(x)直接在軟件中定義。在紙質(zhì)模型中，LN不需要取對數(shù)，估計時使用log()即可。如果你真的想接受它，在快速生成序列中輸入一個新變量。比如rlog( )r是對數(shù)之后的序列。首先在工作文件中定義一個新的變量Y(假設(shè)原變量是W，現(xiàn)有變量)，然后在工作文件中點擊genr，在等式中輸入Ylog(w)，確認(rèn)。數(shù)列ylog(x)在最小二乘法中輸入log(y) log(x) c也可以生成一個新變量:輸入命令ylog()。

msvar模型講解？

MSVAR模型的數(shù)學(xué)原理有一個假設(shè)，所有的變量都服從一個轉(zhuǎn)移概率矩陣和一個共同的區(qū)域系統(tǒng)，所以在建模之前，你必須保證你使用的指標(biāo)有很好的協(xié)調(diào)性。以二元MSVAR模型為例，兩個指標(biāo)要盡量一致，時差相關(guān)系數(shù)的領(lǐng)先滯后期不能太大，個人經(jīng)驗不能超過[-3，3]。如果超過且兩個指標(biāo)有明顯的超前滯后關(guān)系，則不適合使用MSVAR模型。另外需要注意的是，兩個指標(biāo)的主峰和主谷要盡量保持對應(yīng)，這樣建模結(jié)果才可信。

2.1數(shù)據(jù)處理，要盡量剔除指標(biāo)的不規(guī)則擾動成分，使用指標(biāo)的周期性波動成分或缺口數(shù)據(jù)。具體來說，第一種方法使用的是橫向數(shù)據(jù)(有單位和指數(shù)指數(shù)趨勢)，一般有兩種處理方法:1。數(shù)據(jù)的對數(shù)差；2.對數(shù)據(jù)進(jìn)行季節(jié)調(diào)整后的HP濾波(可以用Eviews軟件實現(xiàn))；第二種增長率數(shù)據(jù)只是季節(jié)性調(diào)整。

2.2在建模過程中，除了選擇不同的模型形式，如MSM、MSI、MSMH、MSIH等。，MSVAR也有兩個重要的參數(shù)可以選擇。第一，區(qū)數(shù)，一般選擇2或3，表示識別2或3個區(qū)；第二個VAR模型的滯后階一般由變量的簡化VAR模型先確定，這也是寫論文的一般范式，但實際情況是簡化VAR模型確定的最優(yōu)滯后階不一定是最優(yōu)結(jié)果。這就需要你判斷識別出的平滑概率對應(yīng)的區(qū)域系統(tǒng)是否能夠解釋其經(jīng)濟(jì)意義，或者參數(shù)估計結(jié)果是否合理。參數(shù)估計的結(jié)果試圖保證1區(qū)的截距項或均值項大于或小于2區(qū)，第一變量1區(qū)的截距項小于2區(qū)，第二變量1區(qū)的截距項大于2區(qū)，因此構(gòu)建的模型是錯誤的。

此外，還有一個非常重要的問題，那就是你想通過建立msvar模型來識別高增長區(qū)和低增長區(qū)(例如，研究股票的牛市或熊市)；或者擴(kuò)張收縮區(qū)系(從經(jīng)濟(jì)周期的角度來研究指標(biāo)的拐點，經(jīng)濟(jì)是處于擴(kuò)張還是衰退狀態(tài))，以MSI(2)-VAR模型為例，如果能識別出高增長區(qū)系和低增長區(qū)系，直接用上面處理的數(shù)據(jù)進(jìn)行建模就好了；如果確定了膨脹和收縮區(qū)域，則應(yīng)使用數(shù)據(jù)的差分?jǐn)?shù)據(jù)進(jìn)行建模。