Eviews11章VAR模型和VEC模型ppt課件

1、第11章 VAR模型和VEC模型 重點(diǎn)內(nèi)容： 向量自回歸實(shí)際 VAR模型的建立 Johansen協(xié)整檢驗(yàn) VEC模型的建立.一、向量自回歸VAR模型1.向量自回歸實(shí)際向量自回歸模型可以用來(lái)預(yù)測(cè)相關(guān)聯(lián)的經(jīng)濟(jì)時(shí)間序列系統(tǒng)，并分析隨機(jī)擾動(dòng)對(duì)變量系統(tǒng)的動(dòng)態(tài)沖擊，進(jìn)一步解釋經(jīng)濟(jì)沖擊對(duì)經(jīng)濟(jì)變量所產(chǎn)生的影響。滯后階數(shù)為p的VAR模型表達(dá)式為yt=A1 yt-1 +A2 yt-2 + Ap yt-p+B xt + t 其中，yt為k維內(nèi)生變量向量；xt為d維外生變量向量；t是k維誤差向量A1，A2，Ap，B是待估系數(shù)矩陣。.一、向量自回歸VAR模型1.向量自回歸實(shí)際滯后階數(shù)為p的VAR模型表達(dá)式還可以表述為即

2、上式稱為非限制性向量自回歸Unrestricted VAR模型，是滯后算子L的k k 的參數(shù)矩陣。當(dāng)行列式detA(L)的根都在單位圓外時(shí)，不含外生變量的非限制性向量自回歸模型才滿足平穩(wěn)性條件。 .一、向量自回歸VAR模型2.構(gòu)造VAR模型SVAR構(gòu)造VAR是指在模型中參與了內(nèi)生變量的當(dāng)期值，即解釋變量中含有當(dāng)期變量，這是與VAR模型的不同之處。下面以兩變量SVAR模型為例進(jìn)展闡明。xt=b10 + b12zt +11xt-1 +12 zt-1 + xt zt=b20 + b21xt +21xt-1 +22 zt-1 + zt 這是滯后階數(shù)p=1的SVAR模型。其中，xt和zt均是平穩(wěn)隨機(jī)過(guò)程

3、；隨機(jī)誤差項(xiàng)xt和zt是白噪聲序列，并且它們之間不相關(guān)。系數(shù)b12表示變量的zt的變化對(duì)變量xt的影響；21表示xt-1的變化對(duì)zt的滯后影響。該模型同樣可以用如下向量方式表達(dá)，即B0 yt= 0 + 1 yt-1 + t .一、向量自回歸VAR模型3. VAR模型的建立選擇“Quick|“Estimate VAR選項(xiàng)，將會(huì)彈出以下圖所示的對(duì)話框。該對(duì)話框包括三個(gè)選項(xiàng)卡，分別是“Basics、“Cointegration和“VEC Restrictions，后兩個(gè)選項(xiàng)卡在VEC模型操作中運(yùn)用。系統(tǒng)默許是“Basics選項(xiàng)卡。 .一、向量自回歸VAR模型3. VAR模型的建立在“VAR Type

4、中有兩個(gè)選項(xiàng)：“Unrestricted VAR建立的是無(wú)約束的向量自回歸模型，即 VAR模型的簡(jiǎn)化式；“Vector Error Correction建立的是誤差修正模型?！癊stimation Sample的編輯框中輸入的是樣本區(qū)間，當(dāng)任務(wù)文件建立好后，系統(tǒng)會(huì)自動(dòng)給出樣本區(qū)間?！癊ndogenous Variables中輸入的是內(nèi)生變量?！癊xogenous Variables中輸入的是外生變量，系統(tǒng)默許情況下將常數(shù)項(xiàng)c作為外生變量?！癓ag Intervals for Endogenous中指定滯后區(qū)間 .一、向量自回歸VAR模型4. VAR模型的檢驗(yàn)VAR模型的滯后構(gòu)造檢驗(yàn) 1AR根的

5、圖與表假設(shè)VAR模型一切根模的倒數(shù)都小于1，即都在單位圓內(nèi)，那么該模型是穩(wěn)定的；假設(shè)VAR模型一切根模的倒數(shù)都大于1，即都在單位圓外，那么該模型是不穩(wěn)定的。假設(shè)被估計(jì)的VAR模型不穩(wěn)定，那么得到的結(jié)果有些是無(wú)效的。在VAR對(duì)象的工具欄中選擇“View|“Lag Structure|“AR Roots Table/ AR Roots Graph選項(xiàng)，得到AR根的表和圖。.一、向量自回歸VAR模型4. VAR模型的檢驗(yàn)VAR模型中AR根的圖 VAR模型的滯后構(gòu)造檢驗(yàn) 1AR根的圖與表.一、向量自回歸VAR模型3. VAR模型的建立VAR模型的滯后構(gòu)造檢驗(yàn) 2Granger因果檢驗(yàn)Granger因果

6、檢驗(yàn)的原假設(shè)是 H0：變量x不能Granger引起變量y備擇假設(shè)是H1：變量x能Granger引起變量y在EViews軟件操作中，選擇VAR對(duì)象工具欄中的“View|“Lag Structure|“Granger Causality/Block Exogeneity Tests選項(xiàng)，可得到檢驗(yàn)結(jié)果 。.一、向量自回歸VAR模型3. VAR模型的建立VAR模型的滯后構(gòu)造檢驗(yàn) 2Granger因果檢驗(yàn)右圖的檢驗(yàn)結(jié)果為：在5%的顯著性程度下，變量log(ex)能Granger引起變量log(ms)，即回絕原假設(shè)；但變量log(ms)不能Granger引起變量log(ex)，即接受原假設(shè)。 .一、向量

7、自回歸VAR模型3. VAR模型的建立VAR模型的滯后構(gòu)造檢驗(yàn) 3滯后排除檢驗(yàn)滯后排除檢驗(yàn)Lag Exclusion Tests是對(duì)VAR模型中的每一階數(shù)的滯后進(jìn)展排除檢驗(yàn)。如右圖所示。第一列是滯后階數(shù)，第二列和第三列是方程的2統(tǒng)計(jì)量，最后一列是結(jié)合的2統(tǒng)計(jì)量。.一、向量自回歸VAR模型3. VAR模型的建立VAR模型的滯后構(gòu)造檢驗(yàn) 4滯后階數(shù)規(guī)范 選擇VAR對(duì)象工具欄中的“View|“Lag Structure|“Lag Length Criteria選項(xiàng)，在彈出的對(duì)話框中輸入最大滯后階數(shù)，然后單擊“OK按鈕即可得到檢驗(yàn)結(jié)果。.二、脈沖呼應(yīng)函數(shù)脈沖呼應(yīng)函數(shù)IRF，Impulse Respon

8、se Function分析方法可以用來(lái)描畫一個(gè)內(nèi)生變量對(duì)由誤差項(xiàng)所帶來(lái)的沖擊的反響，即在隨機(jī)誤差項(xiàng)上施加一個(gè)規(guī)范差大小的沖擊后，對(duì)內(nèi)生變量的當(dāng)期值和未來(lái)值所產(chǎn)生的影響程度。在EViews軟件操作中，選擇VAR對(duì)象工具欄中的“View|“Impulse Response選項(xiàng)，或者直接點(diǎn)擊VAR對(duì)象工具欄中的“Impulse功能鍵即可得到脈沖呼應(yīng)函數(shù)的設(shè)定對(duì)話框。.二、脈沖呼應(yīng)函數(shù)在脈沖呼應(yīng)函數(shù)的設(shè)定對(duì)話框中有兩個(gè)選項(xiàng)卡：一個(gè)是“Display，一個(gè)是“Impulse Definition。系統(tǒng)默許下翻開(kāi)的是“Display選項(xiàng)卡。其中，“Display Format包含三種顯示方式，“Table

9、表格方式，“Multiple Graphs多個(gè)圖方式，“Combined Graphs組合圖方式。系統(tǒng)默許下是“Multiple Graphs選項(xiàng)。.二、脈沖呼應(yīng)函數(shù)“Display Information中輸入沖擊變量Impulses和脈沖呼應(yīng)變量Responses。這里可以輸入內(nèi)生變量的稱號(hào)，也可以輸入變量的序號(hào)。 在“Periods中輸入顯示的最長(zhǎng)時(shí)期。“Accumlated Responses為累積呼應(yīng)。對(duì)于穩(wěn)定的VAR模型，脈沖呼應(yīng)函數(shù)應(yīng)趨于0，累積呼應(yīng)趨于非0常數(shù)。.三、方差分解根本思想：方差分解的根本思想是，把系統(tǒng)中的全部?jī)?nèi)生變量k個(gè)的動(dòng)搖按其成因分解為與各個(gè)方程新息相關(guān)聯(lián)的k個(gè)

10、組成部分，從而得到新息對(duì)模型內(nèi)生變量的相對(duì)重要程度。在EViews軟件操作中，選擇VAR對(duì)象工具欄中的“View|“Variance Decomposition選項(xiàng)，彈出對(duì)話框。其部分內(nèi)容設(shè)定與脈沖呼應(yīng)函數(shù)一樣。當(dāng)改動(dòng)VAR模型中的變量順序時(shí)，基于Cholesky因子的方差分解會(huì)有改動(dòng)。.四、Johansen協(xié)整檢驗(yàn)1、Johansen協(xié)整實(shí)際在VAR(p)模型中，設(shè)變量y1t， y2t，ykt均是非平穩(wěn)的一階單整序列，即ytI(1)。xt是d維外生向量，代表趨勢(shì)項(xiàng)、常數(shù)項(xiàng)等，yt=A1 yt-1 +A2 yt-2 + Ap yt-p+B xt + t 變量y1t， y2t，ykt的一階單整過(guò)

11、程I(1)經(jīng)過(guò)差分后變?yōu)榱汶A單整過(guò)程I(0) .四、Johansen協(xié)整檢驗(yàn)1、Johansen協(xié)整實(shí)際設(shè)變量y1t， y2t，ykt均是非平穩(wěn)的一階單整序列，即ytI(1)。xt是d維外生向量，代表趨勢(shì)項(xiàng)、常數(shù)項(xiàng)等，yt=A1 yt-1 +A2 yt-2 + Ap yt-p+B xt + t 變量y1t， y2t，ykt的一階單整過(guò)程I(1)經(jīng)過(guò)差分后變?yōu)榱汶A單整過(guò)程I(0) .四、Johansen協(xié)整檢驗(yàn)1、Johansen協(xié)整實(shí)際其中，yt和yt-jj=1，2，p都是由I(0)變量構(gòu)成的向量，假設(shè) yt-1是I(0)的向量，即y1t-1，y2t-1，ykt-1之間具有協(xié)整關(guān)系，那么yt是

12、平穩(wěn)的。.四、Johansen協(xié)整檢驗(yàn)1、Johansen協(xié)整實(shí)際根據(jù)協(xié)整方程中能否包含截距項(xiàng)和趨勢(shì)項(xiàng)，將其分為五類：第一類，序列yt沒(méi)有確定趨勢(shì)，協(xié)整方程沒(méi)有截距項(xiàng)；第二類，序列yt沒(méi)有確定趨勢(shì)，協(xié)整方程有截距項(xiàng)；第三類，序列yt有確定的線性趨勢(shì)，協(xié)整方程只需截距項(xiàng)；第四類，序列yt有確定的線性趨勢(shì)，協(xié)整方程有確定的線性趨勢(shì)；第五類，序列yt有二次趨勢(shì)，協(xié)整方程只需線性趨勢(shì)。.四、Johansen協(xié)整檢驗(yàn)2、Johansen協(xié)整檢驗(yàn)1特征根跡Trace檢驗(yàn) 2最大特征值檢驗(yàn).四、Johansen協(xié)整檢驗(yàn)2、Johansen協(xié)整檢驗(yàn)1特征根跡Trace檢驗(yàn) 原假設(shè)為 Hr0：r0，r+1=0備

13、擇假設(shè)為 H r1：r+10， r=1，2，k-1檢驗(yàn)統(tǒng)計(jì)量為 其中， r是特征根跡統(tǒng)計(jì)量。.四、Johansen協(xié)整檢驗(yàn)2、Johansen協(xié)整檢驗(yàn)1特征根跡Trace檢驗(yàn) 當(dāng) 0 臨界值時(shí)，接受H10，至少有一個(gè)協(xié)整向量；當(dāng) 1 臨界值時(shí)，回絕H10，至少有兩個(gè)協(xié)整向量；當(dāng) r0， 檢驗(yàn)統(tǒng)計(jì)量為 r = - nln(1-r+1) 其中， r是最大特征根統(tǒng)計(jì)量。當(dāng) 0 臨界值時(shí)，回絕H00，至少有一個(gè)協(xié)整向量；當(dāng) 1 臨界值時(shí)，回絕H10，至少有兩個(gè)協(xié)整向量；當(dāng) r 臨界值時(shí)，接受Hr0，只需r個(gè)協(xié)整向量。.四、 Johansen協(xié)整檢驗(yàn)EViews操作在EViews軟件操作中，選擇VAR0

14、1對(duì)象工具欄中的“View|“Cointegration Test選項(xiàng)，翻開(kāi)以下圖所示的協(xié)整檢驗(yàn)設(shè)定對(duì)話框。.四、 Johansen協(xié)整檢驗(yàn)EViews操作在“Deterministic trend assumption of test中確定協(xié)整方程的類型 。在“Exog variables中輸入外生變量xt。假設(shè)沒(méi)有外生變量，此編輯框可為空。 在“Lag intervals中設(shè)定滯后區(qū)間，這里的數(shù)字要起止點(diǎn)成對(duì)輸入，如“1 2。最右側(cè)的數(shù)值為VAR模型滯后階數(shù)p-1，即協(xié)整檢驗(yàn)的滯后階數(shù)等于VAR模型滯后階數(shù)減去1 。在“Critical Values中可設(shè)定檢驗(yàn)的顯著性程度。系統(tǒng)默許下是0

15、.05。用戶可以根據(jù)實(shí)踐檢驗(yàn)需求設(shè)定為0.01或0.10。 .五、 向量誤差修正VEC模型1、VEC模型實(shí)際根據(jù)協(xié)整方程可得到如下表達(dá)式這樣得到的每一個(gè)方程都是誤差修正模型， ecmt-1= yt-1是誤差修正項(xiàng)，可以反響變量之間的長(zhǎng)期平衡關(guān)系。 .五、 向量誤差修正VEC模型1、VEC模型實(shí)際系數(shù)向量可以反映變量間的平衡關(guān)系偏離長(zhǎng)期平衡形狀時(shí)，將其調(diào)整到平衡形狀的調(diào)整力度。誤差修正模型等式右側(cè)的變量差分項(xiàng)的系數(shù)反映了各變量的短期動(dòng)搖對(duì)被解釋變量的短期變化的影響。在回歸模型中，統(tǒng)計(jì)量不顯著的滯后差分項(xiàng)可以直接剔除。 .五、 向量誤差修正VEC模型2、VEC模型估計(jì)由于VEC模型是含有協(xié)整約束變

16、量構(gòu)建的模型，所以在估計(jì)VEC模型前需進(jìn)展Johansen協(xié)整檢驗(yàn)，并要確定協(xié)整關(guān)系的數(shù)量。假設(shè)變量間沒(méi)有協(xié)整關(guān)系，那么不能構(gòu)建VEC模型。.五、 向量誤差修正VEC模型2、VEC模型估計(jì)選擇主菜單欄中的“Quick|“Estimate VAR選項(xiàng)，在VAR模型對(duì)話框中選擇“Vector Error Correction選項(xiàng)?！癇asics選項(xiàng)卡內(nèi)容的設(shè)定與VAR模型一樣。不同的是滯后區(qū)間的設(shè)定，VEC模型中的滯后間隔闡明的是一階差分后的滯后。 .五、 向量誤差修正VEC模型2、VEC模型估計(jì)在“Cointegration選項(xiàng)卡中，有兩項(xiàng)內(nèi)容需求設(shè)定。如下圖。在“Number of cointegrating指定協(xié)整關(guān)系個(gè)數(shù)，普通這個(gè)數(shù)要小于VEC模型中內(nèi)生變量的個(gè)數(shù)。在JJ協(xié)整檢驗(yàn)中可以確定變量的協(xié)整關(guān)系