在讨论经济与金融系统时，动态变量之间的相互作用往往复杂且多变。PVAR模型作为多个内生变量间的动态关系描述工具，引入固定效应（fod / fd）以增加模型的解释力。使用格兰杰因果检验（pvargranger）评估变量间的因果关联，同时通过信息准则（MBIC、MAIC、MQIC）选择最优模型结构。稳定性检验（pvarstable）确保模型在不同时间点表现一致。

脉冲响应分析帮助理解一个变量的冲击对其他变量的影响，而预测误差方差分解（FEVD）则量化变量间波动的相互传递。Diebold-Yilmaz (DY) 方差分解作为FEVD的拓展，专门用于分析不同时间序列数据中变量之间的波动溢出效应，强调"来自"和"流向"的溢出分析。

在金融市场中，DY方差分解揭示了不同市场变量间的相互影响，对于理解金融危机期间的风险溢出尤其重要。政策评估同样受益于DY分析，它提供了一种量化政策决策对经济领域影响的方法。

系数解释在模型中至关重要，但PVAR模型的动态特性意味着边际效应并非固定，需要结合脉冲响应分析来理解。使用R语言的spillover包修改原有接口，实现了对PVAR模型的灵活应用，以适应变系数分析需求。该包基于BK2018年提出的代码，提供了在stata环境外进行DY分析的解决方案，通过手动填充stata系数到R接口部分，再继续后续BK代码逻辑。

分析和解释阶段，傅里叶转换被用于对时间序列数据进行频域分析，区分1年以内和1-3年的数据特征，并对结果进行求和。R语言的spillover包提供了执行这一过程所需的接口和逻辑，使得分析流程更为高效和准确。

本文地址： http://www.goggeous.com/d/1/1327744

文章来源：天狐定制

版权声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。