-
分位数 Granger 因果检验：计算各分位区间 Sup-Wald 统计量。
-
分位数 VAR 模型估计：自回归分布滞后模型
-
脉冲响应函数计算
-
各分位点脉冲图绘制
-
使用
pyqt5生成 GUI 界面 -
使用
statsmodels进行分位数回归 -
使用
pandas将结果保存在 excel 文件
主要包括：
-
工具栏：
-
导入数据：点击该按钮，选择路径导入数据，如没有导入数据，默认导入测试数据
-
开始运行：点击后进行分位数 Granger 因果检验，计算 Sup-wald 统计量
-
终止运行：点击后终止程序
-
查看数据：点击查看导入数据
-
初始化：点击后初始化各参数设定
-
QVAR 估计：点击后进行 QVAR 模型参数设定
-
-
区间设定：区间起点、中点、个数设定以及生成区间按钮
注意：个数是点的个数，比如设定 17 个，则会生成 16 个分位区间
例子：
起点=0.1，终点=0.9，个数=2，则会生成区间：[0.1, 0.9]
起点=0.1，终点=0.9，个数=3，则会生成区间：[0.1, 0.5]、[0.5, 0.9]
-
参数设定
-
日期：勾选表示第一列为日期序列，在进行计算 wald 统计量时会将其删除；若取消勾选，则不会删除第一列数据
-
模式设定：代表循环模式，默认模式为单因素对各市场
注意：数据要根据模式进行相应的排序
假定 p=1，q=2，估计方程形式则为：Y=c1+c2Y-1+c3X-1+c4X-2
模式选择 内容说明 数据排序 计算规则描述 单因素对各市场 研究单一因素对各市场的因果关系，比如房价对股票，汇率市场的因果关系 data=[X,Y1,Y2,Y3] X 对 Y1回归；X 对 Y2回归；X 对 Y3回归 相互影响 研究两因素之间的因果关系，比如房价与股票，汇率市场的相互因果关系 data=[X,Y1,Y2,Y3] X 对 Y1回归；X 对 Y2回归；X 对 Y3回归；Y1对 X 回归；Y1对 Y2回归;Y1对 Y3回归;......... 多因素对单市场 研究多因素对单个市场的因果关系，比如各情绪对汇率市场的因果关系 data=[X1,X2,X3,Y] X1对 Y 回归，X2对 Y 回归；X3对 Y 回归 -
信息准则：表示确定最优滞后阶数所选用的信息准则，包括 AIC 或 BIC 准则
AIC(p, q) = lnS(θ) + (p+q+1)/T
BIC(p, q) = lnS(θ) + (p+q+1)×lnT/(2T)
其中 S(θ)表示分位数非对称绝对值残差和，T 为样本容量，p,q 均为滞后阶数。
-
滞后估计数：计算最优滞后阶数时，需要分区间计算 AIC/BIC 值，选取该区间最小 AIC/BIC 值所对应的滞后阶数，则为最优滞后阶数。该参数是设定在整个分位区间选择计算的分位点个数，默认选取 30 个点
-
最大阶数：表示选取的最大滞后阶数，默认选取 5 阶
-
wald 估计数：计算 wald 统计量时，在分位区间选择计算的分位点个数，默认选取 1000 个点
-
有效数字：表示保留的小数点位数，默认保留三位小数
-
输出日志：勾选后输出运行细节.txt文件，默认勾选
-
-
估计信息显示：展示运行信息
-
工具栏：
-
开始运行：点击后进行 QVAR 模型估计
-
绘制脉冲图：点击计算各分位点脉冲响应示意图
-
导入数据：如需增加控制变量，则需点击该按钮导入控制变量数据集
-
-
滞后阶数
-
p：被解释变量 y 的滞后阶数
-
q：解释变量 x 的滞后阶数
-
-
分位点：默认选取 5 个分位点[0.1, 0.25, 0.5, 0.75, 0.9]
-
√：点击增加分位点
-
×：点击减少分位点
注意：最多计算 10 个分位点
-
-
控制变量：加入控制变量的回归公式
-
信息显示：显示提示信息
第一步：在当前路径下的命令行输入：
python main.py提示：在当前文件夹中，右键点击 cmd 或者 shell 打开命令行
第二步：点击导入数据按钮
输入成功的话，会有导入成功的提示
第三步：设定各参数
第四步：点击开始运行按钮，等待程序运行结束，结果保存在运行结果文件夹下的Granger.xlsx文件内
注：
***、**、*分别代表 1%、5%、10% 显著水平
|-- Quantile
|-- beauty_UI.py // 美化 GUI 界面代码
|-- func.py // 主函数代码，定义分位数 Granger 因果检验计算
|-- main.py // 主程序
|-- README.md // 说明文件
|-- data // 数据保存文件夹
| |-- output.xlsx // 测试产生的结果文件
| |-- Sup_wald_lag.xlsx // 检验 Sup_wald 显著性文件
| |-- 测试数据.xlsx // 可以使用该文件进行测试，查看结果
| |-- 运行细节.txt // 测试日志
|-- pyqt5 界面 // 使用 Qt Creator 建立窗口产生的文件
| |-- GUI // 主窗口
| |-- child_GUI // 子窗口
|-- 运行结果 // 运行结果存储文件夹
代码主体为main.py与func.py文件
使用statsmodels库进行分位数回归命令：
- 使用 R 型公式来拟合模型
| formula | 说明 | 示例 |
|---|---|---|
| ~ | 分隔符，左边为响应变量，右边为解释变量 | y ~ x |
| + | 添加变量 | y ~ x1 + x2 |
| - | 移除变量 | y ~ x - 1(移除截距) |
- 参数命令
| 属性 | 说明 | 方法 | 说明 |
|---|---|---|---|
| res.params | 获取估计参数值 | res.summary() | 展示估计结果 |
| res.bse | 获取标准差 | res.cov_params() | 获取协方差矩阵 |
| res.resid | 获取残差 | res.f_test("x2 = 0") | Wald 检验 |
可以参考 econometrics 项目中的 分位数 Granger 因果检验
| 工具名 | 功能 | 图标 icon | 官网下载 |
|---|---|---|---|
| Qt Creator | GUI 界面可视化 |  |
click |
| PyCharm | 代码编辑器 |  |
click |
| Visual Studio Code | 代码阅读器 |  |
click |
-
书籍：
-
《Python Qt GUI 与数据可视化编程》
-
《陈强高级计量经济学》
-
-
文献：
-
Koenker & Machado1999 Inference QuantileReg
-
Asymmetric Least Squares Estimation and Testing
-
Tests-for-Parameter-Instability-and-Structural-Change-With-Unknown-Change-Point
-
房地产价格与汇率的联动关系研究———基于分位数 Granger 因果检验法
-
基于分位数 Granger 因果的网络情绪与股市收益关系研究
-
-
其他:
-
Eviews 8 帮助文件
-
张晓峒分位数回归讲义
-
MIT © 热心市民石头