Újdonságok a
-ben
Bayesi IRF és FEVD analízis
Az impulzus-válasz függvényeket (IRF), a dinamikus szorzó funkciókat és az előrejelzés-hiba variancia bontásokat (FEVD) általában használják a többváltozós idősoros modellek, például a VAR és a DSGE modellek eredményeinek leírására. Ezeknek a modelleknek sok paraméterük lehet, amelyek nehezen értelmezhetőek. Az IRF-ek és más funkciók több paraméter hatását egy összefoglalásba foglalják (időszakonként). Például az IRF-ek mérik a sokk (változás) hatását egy változóban, például az inflációs rátát egy adott kimeneti változóra, például a munkanélküliségi rátára.
A Stata 17-ben Bayes IRF-elemzést hajthat végre az új bayesirf paranccsal.
A Bayes-i IRF-eket (és egyéb funkciókat) az IRF-ek „pontos” hátsó eloszlásából számolják, amely nem támaszkodik az aszimptotikus normalitás feltételezésére. Stabilabb becsléseket is nyújthatnak a kis adatkészletekhez, mert előzetes információkat tartalmaznak a modell paramétereiről.
A Bayesi VAR modell illesztése után IRF-eket és egyéb funkciókat állíthat elő a bayes: var használatával. A Bayes-i lineáris és nemlineáris DSGE modellek illesztése után Bayes-i IRF-eket szerezhet be a bayes: dsge és a bayes: dsgenl használatával.
A bayesirf számos alparancsot kínál az IRF és a kapcsolódó funkciók létrehozásához, ábrázolásához és táblázatos megjelenítéséhez. Több IRF eredményt is létrehozhat, és táblázatokban és grafikonokban kombinálhatja őket. Összehasonlításképpen felveheti a klasszikus gyakoriak elemzéséből származó IRF eredményeket is.
Kiemelt
- Impulzus-válasz funkciók
- Dinamikus szorzók
- Előrejelzési-hiba varianciabontások
- Függvények ábrázolása és táblázata, valamint mentése az aktuális adatokba
- Adja meg az előrejelzési horizontot
- Utólagos funkciók vagy mediánok
- Utólagos szórások
- Utólagos hiteles intervallumok
- Hozzon létre és kombináljon több IRF eredményt
Lássuk hogyan működiket
Bayesi VAR-modellekben az alapos Bayesi IRF-elemzést mutattuk be az Egyesült Államok makrodataival, amelyek 1954 első negyedévétől 2010 negyedik negyedévéig tartó negyedéves adatok. Itt további példákat mutatunk be a bayesi IRF és FEVD elemzésre.
Meg akarjuk vizsgálni az infláció, a kibocsátási rés és a szövetségi alapok arányának összefüggéseit. Különösen érdekel minket a szövetségi alapok arányának hatása a modell többi eredményére.
Itt van az adat.
. webuse usmacro (Federal Reserve Economic Data - St. Louis Fed) . tsset Time variable: date, 1954q3 to 2010q4 Delta: 1 quarter . tsline inflation ogap fedfunds

Három lemaradással illesztünk egy Bayes-i VAR modellt. Itt elnyomjuk a kimenetet, de a parancsról Bayesian VAR modellben olvashat bővebben.
. quietly bayes, rseed(17) saving(bvarsim): var inflation ogap fedfunds, lags(1/3)
Az új bayesirf parancs számos alparancsot biztosít a bayesi IRF és FEVD elemzéshez. Három fő a bayesirf létrehozása, a bayesirf create, bayesirf graph, és bayesirf table. bayesirf create az IRF-eket és más függvényeket, és elmenti azokat egy IRF-adatkészletbe, a bayesirf graph ábrázolja őket, és a bayesirf table egy táblázatban jeleníti meg őket. Más alparancsok lehetővé teszik több függvény grafikonjainak és tábláinak kombinálását és az IRF eredmények kezelését; lásd [BAYES] bayesirf.
A klasszikus elemzésben az IRF (és más funkciók) egyetlen függvény az adott válasz- és impulzusváltozókhoz. A Bayes-analízis során egy teljes MCMC mintát kapunk a hátsó eloszlásból szimulált IRF-ekből. Ezt a mintát összefoglalva egyetlen statisztikát állítunk elő, mint például a posterior átlag IRF vagy a posterior medián IRF.
Az IRF-ek és más funkciók létrehozásával kezdjük. Az IRF eredményeinket birf nevezzük, és a birfex.irf Stata adatkészletbe mentjük.
. bayesirf create birf, set(birfex) (file birfex.irf created) (file birfex.irf now active) (file birfex.irf updated)
Ezután az IRF-et ábrázoljuk fedfundokkal, mint impulzus változóval.
. bayesirf graph irf, impulse(fedfunds)

A szövetségi alapok arányának sokkja pozitív hatással van önmagára, amely idővel csökken, de nyolc negyedév után is pozitív. A szövetségi alapok kamat-sokkja alig befolyásolja a kibocsátási rést, és kicsi pozitív hatással van az inflációra, amely két negyedév után eltűnik.
Az eredményeket egy táblázatban láthatjuk.
. bayesirf table irf, response(ogap) impulse(fedfunds) Results from birf
(1) (1) (1) | ||
Step | irf Lower Upper | |
0 | 0 0 0 | |
1 | .018505 -.062511 .10086 | |
2 | -.013814 -.141146 .116743 | |
3 | -.038081 -.193427 .117507 | |
4 | -.060205 -.238349 .118354 | |
5 | -.078581 -.275435 .120713 | |
6 | -.093737 -.307345 .126362 | |
7 | -.105821 -.328061 .126226 | |
8 | -.115108 -.344162 .127231 | |
A sokk hatásait hosszabb távon láthatjuk, ha több időtartamot határoz meg a bayesirf create step() opciójában. Cseréljük a jelenlegi eredményeket, és az IRF MCMC mintát a birfsim.dta fájlba mentjük. (Szükségünk van az IRF MCMC eredményekre, ha az alapértelmezett 95% -os egyenfarú intervallumoktól eltérő hiteles intervallumokat akarunk kiszámítani a bayesirf alparancsokkal, amelyeket később bemutatunk.) x
. bayesirf create birf, set(birfex) step(25) mcmcsaving(birfsim) replace (file birfex.irf now active) file birfsim.dta saved. (file birfex.irf updated) . bayesirf graph irf, impulse(fedfunds)

További időszakok hozzáadása lehetővé teszi számunkra, hogy tovább vizsgáljuk a szövetségi alapok kamatlábát. A szövetségi alapok arányának megrázkódtatása pozitív hatással van önmagára az első 14 negyedévben. Ezt a hatást az előző példában nem tudtuk megfigyelni rövidebb látóhatárral. A szövetségi alapok más változókra gyakorolt hatására vonatkozó következtetéseink ugyanazok maradnak.
A bayesirf cgraph. segítségével megnézhetünk más funkciókat, és egymás mellé rajzolhatjuk őket. Ábrázoljuk az ortogonális IRF-et és FEVD-t.
. bayesirf cgraph (birf fedfunds fedfunds oirf) (birf fedfunds fedfunds fevd)

Az ortogonális IRF-ek (OIRF-ek) leírják az impulzus választ egy standard deviációs sokkra. A FEVD méri a hiba szórásának azon részét, amelyet a szövetségi alapok arányának sokkja magyaráz. Az OIRF-ek alátámasztják az IRF-ekre alapozott korábbi következtetéseinket. A FEVD azt mutatja, hogy a fedfunds sokkja első lépésben elterjedt, de az idő múlásával csökken.
Több eredményt is megjeleníthetünk egy táblázatban a bayesirf ctable használatával. A rövidség kedvéért csak az első három lépést mutatjuk be.
. bayesirf ctable (birf fedfunds fedfunds oirf) (birf fedfunds fedfunds fevd), step(3)
(1) (1) (1) | ||
Step | oirf Lower Upper | |
0 | .793208 .72369 .870942 | |
1 | .781637 .686623 .886267 | |
2 | .713651 .594886 .848175 | |
3 | .652003 .518588 .808557 | |
(1) (1) (1) | ||
Step | fevd Lower Upper | |
0 | 0 0 0 | |
1 | .825878 .731612 .909342 | |
2 | .765772 .661851 .86463 | |
3 | .709687 .593096 .823202 | |
Az alapértelmezett hátsó középértékek és az egyenlő farkú hiteles intervallumok helyett a hátsó mediánokat és a HPD hiteles intervallumokat jelenthetjük. (Megtehetjük, mert az IRF MCMC eredményeket már korábban elmentettük a bayesirf create -be.)
. bayesirf ctable (birf fedfunds fedfunds oirf) (birf fedfunds fedfunds fevd), step(3) median hpd
(1) (1) (1) | ||
Step | oirf Lower Upper | |
0 | .79167 .720032 .86681 | |
1 | .780219 .686243 .884995 | |
2 | .7111 .590842 .842952 | |
3 | .648349 .512718 .799466 | |
(1) (1) (1) | ||
Step | fevd Lower Upper | |
0 | 0 0 0 | |
1 | .827376 .737115 .913222 | |
2 | .766713 .664094 .865899 | |
3 | .710221 .593963 .823788 | |
A clevel() opcióval módosíthatja az alapértelmezett 95% -os hiteles szintet is.
Elemzés után eltávolítjuk a bayes: var és bayesirf create fájlokat, ha már nincs rájuk szükség.
. erase bvarsim.dta . erase birfsim.dta . erase birfex.irf