結構向量自回歸(SVAR)模型操作步驟課件

SVAR操作步驟1SVAR操作步驟1目錄一單位根檢驗二兩種分析思路

思路一

VAR與SVAR模型及應用

思路二協(xié)整檢驗及向量誤差修正模型（VEC）2目錄一單位根檢驗223

注：進行向量自回歸與誤差修正模型分析首先必須進行穩(wěn)定性檢驗各個變量進行穩(wěn)定性檢驗結果及分析思路如下：

（1）均穩(wěn)定，則直接進行VAR構建請點VAR/SVAR建模

（2）部分穩(wěn)定，部分不穩(wěn)定請點VAR/SVAR建模

（3）不穩(wěn)定，但均有相同單整階數(shù)，請點協(xié)整檢驗及VEC（建議做）也可以做VAR建模（建議不做）一各個變量進行單位根檢驗3注：進行向量自回歸與誤差修正模型分析首先必須進行穩(wěn)定性檢VAR/SVAR建模第一步：請點建立初始VAR第二步：請點初始VAR模型檢驗第三步：請點確定最終的VAR第四步：請點在最終的VAR基礎上建立SVAR（可做可不做，建議做）.第五步：請點以第三步VAR或是第四步SVAR的為基礎做脈沖分析及方差分解4VAR/SVAR建模第一步：請點建立初始VAR44第一步初始VAR建模◎序列要求：沒有任何要求處理序列與否，撐握如下原則：

原則一：處理序列目的是使VAR穩(wěn)定，只有當VAR不穩(wěn)定是才考慮處理序列

原則二：不要做I（2）向I（0），結果不好解釋，這樣處理能使VAR穩(wěn)定，也放棄建模注一：VAR穩(wěn)定是指VAR的AR根均小于1（在單位圓內），因為穩(wěn)定VAR模型定，滿足脈沖分析及方差分解所需條件（見高鐵梅計量分析方法與建模第2版P301）。注二：由于穩(wěn)定序列構建的VAR容易達到穩(wěn)定性要求，而夾雜了不穩(wěn)定序列難以使VAR穩(wěn)定，所以有的書上直接講VAR建模是要求序列平穩(wěn)5第一步初始VAR建模◎序列要求：沒有任何要求處理序列與5第一步初始VAR建模注三：處理方法是差分或是取對數(shù)注四：序列穩(wěn)定與否均可建立VAR（VAR可能穩(wěn)定也可能不穩(wěn)定，不穩(wěn)定的序列沒有任何價值，所有我們最終是要建立一個穩(wěn)定的VAR，進一步做脈沖及方差分解）◎滯后階數(shù)：任意設（因為初始VAR建立后要進行檢驗，以確定真正的滯后階數(shù)，以便在最終的VAR模型中引入正確的滯后階數(shù)）◎所有序列均視為內生的，除非你已知哪些是外生（初始VAR建立后要進行因果關系檢驗，確定哪些變量為外生變量引入最終的VAR模型）軟件操做請點軟件操做：建立最初的VAR6第一步初始VAR建模注三：處理方法是差分或是取對數(shù)667檢驗說明對已構建的初始VAR做如：一AR根觀察，以便確定模型的穩(wěn)定性，模型不穩(wěn)定則某些結果（如脈沖響應函數(shù)的標準誤差）不是有效的。二檢驗滯后階數(shù)三因果關系檢驗（注：因果關系檢驗應在階數(shù)確定后展開，如檢驗結果階數(shù)要更改，則用改正的階數(shù)重新構建VAR后再行檢驗）軟件操做，請點VAR模型檢驗操作初始VAR模型檢驗7檢驗說明初始VAR模型檢驗8軟件操做：建立最初的VAR◎Objects/Newobject/VAR◎估計VAR模型※VAR類型：unrestrictedVAR※填寫：內生變量，外生變量，及樣本區(qū)間※滯后欄目：滯后成對輸入/模型中無外生變量從1開始，有外生變量時滯后從0開始。◎點OK8軟件操做：建立最初的VAR◎Objects/Newobj9VAR檢驗操作一：AR根觀察VAR窗口※VIEW※LAGSTRUCTURE※ARrootstable或ARrootsgraph

注：特征根均小于1時模型穩(wěn)定二：確定滯后階數(shù)

原：滯后階數(shù)不為jVAR窗口※VIEW※LAGSTRUCTURE※LAGLENGTHCRITERIA※填寫最大階數(shù)

注：從最大P開始檢驗，軟件將以星號給出滯后階數(shù)三：因果關系檢驗原：不是因果關系※VAR窗口※VIEW※LAGSTRUCTURE※pairwiseGrangerCausalityTests注：軟件對各個內生變量依次給出單個檢驗與聯(lián)合檢驗，當P值大小臨界水平（通常為0.05）說明（X外生于Y/X不能Grange引起Y

），簡單地：當聯(lián)合檢驗P值大于0.05，則該被檢驗的因變量外生于系統(tǒng)（外生變量），應重構VAR9VAR檢驗操作最終VAR建模記住VAR模型檢驗所得的滯后階數(shù)記住VAR模型檢驗所得的外生變量如果你幸運的話最初設置正確，你真歷害，不用再建模型了如果不幸運，請利用所得信息

◎重新構建VAR◎重新檢驗VAR不斷重復直至你的模型通過三項檢驗（穩(wěn)定性，滯后階數(shù)正確，外生變量與內生變量明晰）10最終VAR建模記住VAR模型檢驗所得的滯后階數(shù)1010在最終的VAR基礎上建立SVAR（可做可不做，建議做）當已構建了VAR以后就可以構建SVAR模型具體第一步：實施約束第二步：估計SVAR第三步：分析11在最終的VAR基礎上建立SVAR（可做可不做，建議做）當已構1112構建SVAR模型（第一步：實施約束：矩陣約束填寫原則文本約束，原則類同，填寫有別）（1）軟件短期約束基于AB-型SVAR模型（），長期約束基于脈沖響應的累積響應函數(shù)（2）關于短期約束※可識別條件：AB-型SVAR模型至少需要個約束

※可識別條件一般假設結構信息有單位方差，因此通常對矩陣B的約束為對角陣（約束個數(shù)為）或者單位矩陣（約束個數(shù)為），以致獲得沖擊的標準偏差.※A矩陣主對角元素一般設為1（約束個數(shù)為K）※在矩陣B為單位陣情況下，對A矩陣的約束相當于對矩陣施加約束，即對變量間同期相關關系的約束，如有三個內生變量稅收（1），政府支出（2），產出（3），根據(jù)經濟理論當期產出不會影響當期政府支出，即矩陣中，在約束時當B為單位陣時，直接寫成

※約束矩陣中未知元素定義為NA（3）關于長期約束建立包括長期響應矩陣模塊，約束處填寫0，比如第2個內生變量對第1結構沖擊的長期影響為0，則長期響應矩陣模塊中第2行第1列元素為0，其他類同，無約束的填寫NA（4）不能同時施加長期與短期約束12構建SVAR模型（1）軟件短期約束基于AB-型SVAR模構建SVAR模型——矩陣約束填寫原則（簡）一約束矩陣B為單位陣（約束個數(shù)為）約束矩陣A為主對角元素為1（約束個數(shù)為

）AB-型SVAR模型至少需要個約束根據(jù)經濟原理再在矩陣A中至少增加

個0約束13構建SVAR模型——矩陣約束填寫原則（簡）一約束矩陣13構建SVAR模型第一步：實施約束：約束矩陣構建與填寫一生成矩陣Objects/NewObject/選中Matrix-Vector-Coef，填寫矩陣名稱：A或B或填寫矩陣并保存

填寫規(guī)則見：填寫原則14構建SVAR模型第一步：實施約束：約束矩陣構建與填寫141415說明◎從VAR對象窗口的菜單中選擇◎Procs/EstimateStructuralFactorization◎SVAROptions的對話框中，擊中Matrix按鈕和Short-RunPattern按鈕，并在相應的編輯框中填入模版矩陣的名字。

構建SVAR模型（第二步：估計SVAR）15說明構建SVAR模型16脈沖響應分析※VAR窗口※VIEW※impulseresponse16脈沖響應分析※VAR窗口17方差分解※VAR窗口※VIEW※variancedecomposition17方差分解※VAR窗口協(xié)整檢驗及VEC協(xié)整檢驗：請點說明請點：軟件操作情形一：不協(xié)整說明沒長期穩(wěn)定關第，可以做：請點VAR模型情形二：協(xié)整請點VEC模型在EViews軟件中的實現(xiàn)18協(xié)整檢驗及VEC1818協(xié)整檢驗說明◎VAR與VEC關系是：VEC是有協(xié)整約束（即有長期穩(wěn)定關系）的VAR模型，多用于具有協(xié)整關系的非平穩(wěn)時間序列建模高鐵梅計理分析方法與建模第2版P295◎協(xié)整檢驗僅對非平穩(wěn)序列（單整數(shù)相同）有效注：如有2階單整，其他是一階單整，則可將2階單整原序列差分或取對數(shù)，生成新序列，再與其他一階單整序列進行協(xié)整檢驗◎協(xié)整要進行序列平穩(wěn)性（單位根）檢驗，只有滿足單整數(shù)相同的非平穩(wěn)序列才能進行協(xié)整檢驗◎原：不存在協(xié)整關系19協(xié)整檢驗說明191920

協(xié)整檢驗在EViews軟件中的實現(xiàn)一起動程序

※VAR對象或Group(組)對象的工具欄中選擇※View/CointegrationTest…即可。二填寫對話窗三協(xié)整結果20協(xié)整檢驗在EV21填寫協(xié)整檢驗設定對話框

關于序列假設可選部分關于協(xié)整方程假設滯后設定是指在輔助回歸中的一階差分的滯后項，不是指原序列。例如，如果在編輯欄中鍵入“12”，協(xié)整檢驗用yt

對yt-1，yt-2和其他指定的外生變量作回歸，此時與原序列yt

有關的最大的滯后階數(shù)是3。對于一個滯后階數(shù)為1的協(xié)整檢驗，在編輯框中應鍵入“00”。不能確定如何選擇，則選擇此項21填寫協(xié)整檢驗設定對話框關于序列假設可選部分關于協(xié)整方程22

VEC模型在EViews軟件中的實現(xiàn)1.如何估計VEC模型

由于VEC模型的表達式僅僅適用于協(xié)整序列，所以應先運行Johansen協(xié)整檢驗，并確定協(xié)整關系數(shù)。需要提供協(xié)整信息作為VEC對象定義的一部分。

如果要建立一個VEC模型，在VAR對象設定框中，從VARType中選擇VectorErrorCorrection項。在VARSpecification欄中，除了特殊情況外，應該提供與無約束的VAR模型相同的信息：

22VEC模型23

①常數(shù)或線性趨勢項不應包括在ExogenousSeries的編輯框中。對于VEC模型的常數(shù)和趨勢說明應定義在Cointegration欄中。②在VEC模型中滯后間隔的說明指一階差分的滯后。例如，滯后說明“12”將包括VEC模型右側的變量的一階差分項的滯后，即VEC模型是兩階滯后約束的VAR模型。為了估計沒有一階差分項的VEC模型，指定滯后的形式為：“00”。23①常數(shù)或線性趨勢項不應包括在Exoge24

③對VEC模型常數(shù)和趨勢的說明在Cointegration欄（下圖）。必須從5個趨勢假設說明中選擇一個，也必須在編輯框中填入?yún)f(xié)整關系的個數(shù)，應該是一個小于VEC模型中內生變量個數(shù)的正數(shù)。24③對VEC模型常數(shù)和趨勢的說明在Coi25如果想強加約束于協(xié)整關系或(和)調整參數(shù)，用Restrictions欄。注意：如果沒在VARSpecification欄中單擊ImposeRestrictions項，這一欄將是灰色的。

25如果想強加約束于協(xié)整關系或(和)調整參數(shù)，用26一旦填完這個對話框，單擊OK即可估計VEC模型。VEC模型的估計分兩步完成：在第一步，從Johansen所用的協(xié)整檢驗估計協(xié)整關系；第二步，用所估計的協(xié)整關系構造誤差修正項，并估計包括誤差修正項作為回歸量的一階差分形式的VAR模型。26一旦填完這個對話框，單擊OK即可估計V272728

VEC模型估計的輸出包括兩部分。第一部分顯示了第一步從Johansen過程所得到的結果。如果不強加約束，EViews將會用系統(tǒng)默認的能可以識別所有的協(xié)整關系的正規(guī)化方法。系統(tǒng)默認的正規(guī)化表述為：將VEC模型中前r個變量作為剩余k

r個變量的函數(shù)，其中r表示協(xié)整關系數(shù)，k是VEC模型中內生變量的個數(shù)。第二部分輸出是在第一步之后以誤差修正項作為回歸量的一階差分的VAR模型。誤差修正項以CointEq1，CointEq2，……表示形式輸出。輸出形式與無約束的VAR輸出形式相同。28VEC模型估計的輸出包括兩部分。第一部分292930

在VEC模型輸出結果的底部，有系統(tǒng)的兩個對數(shù)似然值。第一個值標有LogLikelihood(d.f.adjusted)，其計算用自由度修正的殘差協(xié)方差矩陣，這是無約束的VAR模型的對數(shù)似然值。標有LogLikelihood的值是以沒有修正自由度的殘差協(xié)方差矩陣計算的。這個值與協(xié)整檢驗所輸出的值是可比較的。30在VEC模型輸出結果的底部，有系統(tǒng)的兩個31

2.VEC系數(shù)的獲得

對于VEC模型，系數(shù)的估計保存在三個不同的二維數(shù)組中：A，B和C。A包含調整參數(shù)矩陣

；B包含協(xié)整矩陣；C包含短期參數(shù)矩陣

（一階差方項滯后的系數(shù)）。

(1)A的第一個指標是VEC的方程序號，第二個指標是協(xié)整方程的序號。例如，A(2,1)表示：VEC的第二個方程中的第一個協(xié)整方程的調整系數(shù)。(2)B的第一個指標是協(xié)整方程序號，第二個指標是協(xié)整方程的變量序號。例如，B(2,1)表示：第二個協(xié)整方程中第一個變量的系數(shù)。注意：這個索引與的轉置相對應。312.VEC系數(shù)的獲得32

(3)C的第一個指標是VEC的方程序號，第二個指標是VEC中一階差分回歸量的變量序號。例如，C(2,1)表示：VEC第二個方程中第一個一階差分回歸量的系數(shù)。在VEC模型的名字后面加一個點號和系數(shù)元素，就可以獲得這些系數(shù)，如：

var01.a(2,1)var01.b(2,1)var01.c(2,1)

要察看A

,

B和C的每一個元素和被估計系數(shù)的對應關系，從VAR的工具欄中選擇View/Representations即可。3233變量名稱協(xié)整向量（1）協(xié)整向量（2）ln(slt)10ln(ift)01ln(m1t-1)-0.16(-1.67)0ln(tivt)-0.51-0.98

（-8.41）(-33.99)

rrt-4

0.03

0.03(2.70)(7.87)

ln(cpit-3)-0.18-0.22

(-0.69)(-0.95)

常數(shù)項-0.63

2.05

表9.4協(xié)整向量矩陣

的估計結果

經檢驗，由表9.4中的協(xié)整向量分別得到的2個線性組合序列都是平穩(wěn)的，即都是I(0)的。

33變量名稱協(xié)整向量（1）協(xié)整向量（2）ln(slt)10l34表9.4中取值為1或0的變量系數(shù)是本例施加的約束，如協(xié)整方程1表示實際消費方程，假設實際消費與實際M1、實際利率、物價和實際工業(yè)總產值之間存在長期均衡關系，而約束其他變量系數(shù)為0，即

（9.7.16）其中ecm1t表示回歸方程的殘差項，也即誤差修正模型中的誤差修正項，式（9.7.16）實際消費方程中的系數(shù)表示：在其他條件不變的情況下，實際M1每增加1個百分點，實際消費平均將增加0.16個百分點；而在其他條件不變的情況下，實際工業(yè)總產值每提高1個百分點，實際消費平均提高0.51個百分點；實際利率每提高1個百分點，實際消費平均降低0.03個百分點，但存在4個月的滯后效應；同時，前3期物價每提高1個百分點，當期實際消費平均提高0.18個百分點，但是統(tǒng)計不顯著。

34表9.4中取值為1或0的變量系數(shù)是本例施35

協(xié)整方程2表示實際投資方程，假設實際固定資產投資與實際利率、物價和實際工業(yè)總產值之間存在長期均衡關系，而約束其他變量系數(shù)為0，即（9.7.17）其中ecm2t也表示回歸方程的殘差項，方程中的系數(shù)分別表示：在其他條件不變的情況下，實際工業(yè)總產值每提高1個百分點，實際投資平均提高0.98，顯然工業(yè)增長對實際投資的拉動作用要大于對實際消費的拉動作用；實際利率每提高1個百分點，實際投資平均降低0.03個百分點，同樣存在一定的滯后效應；同時，前3期物價每提高1個百分點，當期實際投資平均提高0.22個百分點，但也是統(tǒng)計不顯著的。35協(xié)整方程2表示實際投資方程，假設實際固定36式（9.7.16）和式（9.7.17）分別給出了實際消費和實際投資的長期均衡方程，在此基礎上討論變量之間的短期關系，可以建立下面的VEC模型：

(9.7.18)其中的每一個方程都是一個誤差修正模型。ecmtt-1=

yt-1是誤差修正項向量，反映變量之間的長期均衡關系，本例中由于篇幅限制，本例不再列出矩陣α和Гi(i=1,2,3)的估計結果。此時，可以根據(jù)模型實現(xiàn)脈沖響應函數(shù)和方差分解，并分析變量之間的短期影響關系（Гi）。

36式（9.7.16）和式（9.7.17）分37但在實際應用中常常發(fā)現(xiàn)調整系數(shù)矩陣中部分參數(shù)不顯著，為了使模型更合理，可以采用兩種方式對VEC模型的調整系數(shù)矩陣進行約束：第一種，像約束協(xié)整向量一樣，可以根據(jù)需要直接對調整系數(shù)矩陣進行約束；第二種，將VEC模型轉變?yōu)槁?lián)立方程模型，然后刪除不顯著的變量，將模型由“一般”轉變?yōu)椤昂唵巍保?lián)立方程模型的求解可參考第12章）。在聯(lián)立方程設定過程中甚至可以在各模型中加入其他變量差分項的當期值，形式更自由，篇幅限制，本例僅給出在聯(lián)立方程中調整后的實際消費和實際投資的誤差修正模型的估計結果：37但在實際應用中常常發(fā)現(xiàn)調整系數(shù)矩陣中部38①實際消費的誤差修正模型：（9.7.19）

38①實際消費的誤差修正模型：（9.7.19）39②實際投資的誤差修正模型：（9.7.20）

從式（9.7.19）和式（9.7.20）的結果可以看出，采用聯(lián)立方程系統(tǒng)對向量誤差修正模型進行估計，可以根據(jù)需要對所包含的變量形式進行修正，相當于對調整系數(shù)和短期影響變量做了約束。39②實際投資的誤差修正模型：（9.7.20）SVAR操作步驟40SVAR操作步驟1目錄一單位根檢驗二兩種分析思路

思路一

VAR與SVAR模型及應用

思路二協(xié)整檢驗及向量誤差修正模型（VEC）41目錄一單位根檢驗24142

注：進行向量自回歸與誤差修正模型分析首先必須進行穩(wěn)定性檢驗各個變量進行穩(wěn)定性檢驗結果及分析思路如下：

（1）均穩(wěn)定，則直接進行VAR構建請點VAR/SVAR建模

（2）部分穩(wěn)定，部分不穩(wěn)定請點VAR/SVAR建模

（3）不穩(wěn)定，但均有相同單整階數(shù)，請點協(xié)整檢驗及VEC（建議做）也可以做VAR建模（建議不做）一各個變量進行單位根檢驗3注：進行向量自回歸與誤差修正模型分析首先必須進行穩(wěn)定性檢VAR/SVAR建模第一步：請點建立初始VAR第二步：請點初始VAR模型檢驗第三步：請點確定最終的VAR第四步：請點在最終的VAR基礎上建立SVAR（可做可不做，建議做）.第五步：請點以第三步VAR或是第四步SVAR的為基礎做脈沖分析及方差分解43VAR/SVAR建模第一步：請點建立初始VAR443第一步初始VAR建?！蛐蛄幸螅簺]有任何要求處理序列與否，撐握如下原則：

原則一：處理序列目的是使VAR穩(wěn)定，只有當VAR不穩(wěn)定是才考慮處理序列

原則二：不要做I（2）向I（0），結果不好解釋，這樣處理能使VAR穩(wěn)定，也放棄建模注一：VAR穩(wěn)定是指VAR的AR根均小于1（在單位圓內），因為穩(wěn)定VAR模型定，滿足脈沖分析及方差分解所需條件（見高鐵梅計量分析方法與建模第2版P301）。注二：由于穩(wěn)定序列構建的VAR容易達到穩(wěn)定性要求，而夾雜了不穩(wěn)定序列難以使VAR穩(wěn)定，所以有的書上直接講VAR建模是要求序列平穩(wěn)44第一步初始VAR建?！蛐蛄幸螅簺]有任何要求處理序列與44第一步初始VAR建模注三：處理方法是差分或是取對數(shù)注四：序列穩(wěn)定與否均可建立VAR（VAR可能穩(wěn)定也可能不穩(wěn)定，不穩(wěn)定的序列沒有任何價值，所有我們最終是要建立一個穩(wěn)定的VAR，進一步做脈沖及方差分解）◎滯后階數(shù)：任意設（因為初始VAR建立后要進行檢驗，以確定真正的滯后階數(shù)，以便在最終的VAR模型中引入正確的滯后階數(shù)）◎所有序列均視為內生的，除非你已知哪些是外生（初始VAR建立后要進行因果關系檢驗，確定哪些變量為外生變量引入最終的VAR模型）軟件操做請點軟件操做：建立最初的VAR45第一步初始VAR建模注三：處理方法是差分或是取對數(shù)64546檢驗說明對已構建的初始VAR做如：一AR根觀察，以便確定模型的穩(wěn)定性，模型不穩(wěn)定則某些結果（如脈沖響應函數(shù)的標準誤差）不是有效的。二檢驗滯后階數(shù)三因果關系檢驗（注：因果關系檢驗應在階數(shù)確定后展開，如檢驗結果階數(shù)要更改，則用改正的階數(shù)重新構建VAR后再行檢驗）軟件操做，請點VAR模型檢驗操作初始VAR模型檢驗7檢驗說明初始VAR模型檢驗47軟件操做：建立最初的VAR◎Objects/Newobject/VAR◎估計VAR模型※VAR類型：unrestrictedVAR※填寫：內生變量，外生變量，及樣本區(qū)間※滯后欄目：滯后成對輸入/模型中無外生變量從1開始，有外生變量時滯后從0開始。◎點OK8軟件操做：建立最初的VAR◎Objects/Newobj48VAR檢驗操作一：AR根觀察VAR窗口※VIEW※LAGSTRUCTURE※ARrootstable或ARrootsgraph

注：特征根均小于1時模型穩(wěn)定二：確定滯后階數(shù)

原：滯后階數(shù)不為jVAR窗口※VIEW※LAGSTRUCTURE※LAGLENGTHCRITERIA※填寫最大階數(shù)

注：從最大P開始檢驗，軟件將以星號給出滯后階數(shù)三：因果關系檢驗原：不是因果關系※VAR窗口※VIEW※LAGSTRUCTURE※pairwiseGrangerCausalityTests注：軟件對各個內生變量依次給出單個檢驗與聯(lián)合檢驗，當P值大小臨界水平（通常為0.05）說明（X外生于Y/X不能Grange引起Y

），簡單地：當聯(lián)合檢驗P值大于0.05，則該被檢驗的因變量外生于系統(tǒng)（外生變量），應重構VAR9VAR檢驗操作最終VAR建模記住VAR模型檢驗所得的滯后階數(shù)記住VAR模型檢驗所得的外生變量如果你幸運的話最初設置正確，你真歷害，不用再建模型了如果不幸運，請利用所得信息

◎重新構建VAR◎重新檢驗VAR不斷重復直至你的模型通過三項檢驗（穩(wěn)定性，滯后階數(shù)正確，外生變量與內生變量明晰）49最終VAR建模記住VAR模型檢驗所得的滯后階數(shù)1049在最終的VAR基礎上建立SVAR（可做可不做，建議做）當已構建了VAR以后就可以構建SVAR模型具體第一步：實施約束第二步：估計SVAR第三步：分析50在最終的VAR基礎上建立SVAR（可做可不做，建議做）當已構5051構建SVAR模型（第一步：實施約束：矩陣約束填寫原則文本約束，原則類同，填寫有別）（1）軟件短期約束基于AB-型SVAR模型（），長期約束基于脈沖響應的累積響應函數(shù)（2）關于短期約束※可識別條件：AB-型SVAR模型至少需要個約束

※可識別條件一般假設結構信息有單位方差，因此通常對矩陣B的約束為對角陣（約束個數(shù)為）或者單位矩陣（約束個數(shù)為），以致獲得沖擊的標準偏差.※A矩陣主對角元素一般設為1（約束個數(shù)為K）※在矩陣B為單位陣情況下，對A矩陣的約束相當于對矩陣施加約束，即對變量間同期相關關系的約束，如有三個內生變量稅收（1），政府支出（2），產出（3），根據(jù)經濟理論當期產出不會影響當期政府支出，即矩陣中，在約束時當B為單位陣時，直接寫成

※約束矩陣中未知元素定義為NA（3）關于長期約束建立包括長期響應矩陣模塊，約束處填寫0，比如第2個內生變量對第1結構沖擊的長期影響為0，則長期響應矩陣模塊中第2行第1列元素為0，其他類同，無約束的填寫NA（4）不能同時施加長期與短期約束12構建SVAR模型（1）軟件短期約束基于AB-型SVAR模構建SVAR模型——矩陣約束填寫原則（簡）一約束矩陣B為單位陣（約束個數(shù)為）約束矩陣A為主對角元素為1（約束個數(shù)為

）AB-型SVAR模型至少需要個約束根據(jù)經濟原理再在矩陣A中至少增加

個0約束52構建SVAR模型——矩陣約束填寫原則（簡）一約束矩陣52構建SVAR模型第一步：實施約束：約束矩陣構建與填寫一生成矩陣Objects/NewObject/選中Matrix-Vector-Coef，填寫矩陣名稱：A或B或填寫矩陣并保存

填寫規(guī)則見：填寫原則53構建SVAR模型第一步：實施約束：約束矩陣構建與填寫145354說明◎從VAR對象窗口的菜單中選擇◎Procs/EstimateStructuralFactorization◎SVAROptions的對話框中，擊中Matrix按鈕和Short-RunPattern按鈕，并在相應的編輯框中填入模版矩陣的名字。

構建SVAR模型（第二步：估計SVAR）15說明構建SVAR模型55脈沖響應分析※VAR窗口※VIEW※impulseresponse16脈沖響應分析※VAR窗口56方差分解※VAR窗口※VIEW※variancedecomposition17方差分解※VAR窗口協(xié)整檢驗及VEC協(xié)整檢驗：請點說明請點：軟件操作情形一：不協(xié)整說明沒長期穩(wěn)定關第，可以做：請點VAR模型情形二：協(xié)整請點VEC模型在EViews軟件中的實現(xiàn)57協(xié)整檢驗及VEC1857協(xié)整檢驗說明◎VAR與VEC關系是：VEC是有協(xié)整約束（即有長期穩(wěn)定關系）的VAR模型，多用于具有協(xié)整關系的非平穩(wěn)時間序列建模高鐵梅計理分析方法與建模第2版P295◎協(xié)整檢驗僅對非平穩(wěn)序列（單整數(shù)相同）有效注：如有2階單整，其他是一階單整，則可將2階單整原序列差分或取對數(shù)，生成新序列，再與其他一階單整序列進行協(xié)整檢驗◎協(xié)整要進行序列平穩(wěn)性（單位根）檢驗，只有滿足單整數(shù)相同的非平穩(wěn)序列才能進行協(xié)整檢驗◎原：不存在協(xié)整關系58協(xié)整檢驗說明195859

協(xié)整檢驗在EViews軟件中的實現(xiàn)一起動程序

※VAR對象或Group(組)對象的工具欄中選擇※View/CointegrationTest…即可。二填寫對話窗三協(xié)整結果20協(xié)整檢驗在EV60填寫協(xié)整檢驗設定對話框

關于序列假設可選部分關于協(xié)整方程假設滯后設定是指在輔助回歸中的一階差分的滯后項，不是指原序列。例如，如果在編輯欄中鍵入“12”，協(xié)整檢驗用yt

對yt-1，yt-2和其他指定的外生變量作回歸，此時與原序列yt

有關的最大的滯后階數(shù)是3。對于一個滯后階數(shù)為1的協(xié)整檢驗，在編輯框中應鍵入“00”。不能確定如何選擇，則選擇此項21填寫協(xié)整檢驗設定對話框關于序列假設可選部分關于協(xié)整方程61

VEC模型在EViews軟件中的實現(xiàn)1.如何估計VEC模型

由于VEC模型的表達式僅僅適用于協(xié)整序列，所以應先運行Johansen協(xié)整檢驗，并確定協(xié)整關系數(shù)。需要提供協(xié)整信息作為VEC對象定義的一部分。

如果要建立一個VEC模型，在VAR對象設定框中，從VARType中選擇VectorErrorCorrection項。在VARSpecification欄中，除了特殊情況外，應該提供與無約束的VAR模型相同的信息：

22VEC模型62

①常數(shù)或線性趨勢項不應包括在ExogenousSeries的編輯框中。對于VEC模型的常數(shù)和趨勢說明應定義在Cointegration欄中。②在VEC模型中滯后間隔的說明指一階差分的滯后。例如，滯后說明“12”將包括VEC模型右側的變量的一階差分項的滯后，即VEC模型是兩階滯后約束的VAR模型。為了估計沒有一階差分項的VEC模型，指定滯后的形式為：“00”。23①常數(shù)或線性趨勢項不應包括在Exoge63

③對VEC模型常數(shù)和趨勢的說明在Cointegration欄（下圖）。必須從5個趨勢假設說明中選擇一個，也必須在編輯框中填入?yún)f(xié)整關系的個數(shù)，應該是一個小于VEC模型中內生變量個數(shù)的正數(shù)。24③對VEC模型常數(shù)和趨勢的說明在Coi64如果想強加約束于協(xié)整關系或(和)調整參數(shù)，用Restrictions欄。注意：如果沒在VARSpecification欄中單擊ImposeRestrictions項，這一欄將是灰色的。

25如果想強加約束于協(xié)整關系或(和)調整參數(shù)，用65一旦填完這個對話框，單擊OK即可估計VEC模型。VEC模型的估計分兩步完成：在第一步，從Johansen所用的協(xié)整檢驗估計協(xié)整關系；第二步，用所估計的協(xié)整關系構造誤差修正項，并估計包括誤差修正項作為回歸量的一階差分形式的VAR模型。26一旦填完這個對話框，單擊OK即可估計V662767

VEC模型估計的輸出包括兩部分。第一部分顯示了第一步從Johansen過程所得到的結果。如果不強加約束，EViews將會用系統(tǒng)默認的能可以識別所有的協(xié)整關系的正規(guī)化方法。系統(tǒng)默認的正規(guī)化表述為：將VEC模型中前r個變量作為剩余k

r個變量的函數(shù)，其中r表示協(xié)整關系數(shù)，k是VEC模型中內生變量的個數(shù)。第二部分輸出是在第一步之后以誤差修正項作為回歸量的一階差分的VAR模型。誤差修正項以CointEq1，CointEq2，……表示形式輸出。輸出形式與無約束的VAR輸出形式相同。28VEC模型估計的輸出包括兩部分。第一部分682969

在VEC模型輸出結果的底部，有系統(tǒng)的兩個對數(shù)似然值。第一個值標有LogLikelihood(d.f.adjusted)，其計算用自由度修正的殘差協(xié)方差矩陣，這是無約束的VAR模型的對數(shù)似然值。標有LogLikelihood的值是以沒有修正自由度的殘差協(xié)方差矩陣計算的。這個值與協(xié)整檢驗所輸出的值是可比較的。30在VEC模型輸出結果的底部，有系統(tǒng)的兩個70

2.VEC系數(shù)的獲得

對于VEC模型，系數(shù)的估計保存在三個不同的二維數(shù)組中：A，B和C。A包含調整參數(shù)矩陣

；B包含協(xié)整矩陣；C包含短期參數(shù)矩陣

（一階差方項滯后的系數(shù)）。

(1)A的第一個指標是VEC的方程序號，第二個指標是協(xié)整方程的序號。例如，A(2,1)表示：VEC的第二個方程中的第一個協(xié)整方程的調整系數(shù)。(2)B的第一個指標是協(xié)整方程序號，第二個指標是協(xié)整方程的變量序號。例如，B(2,1)表示：第二個協(xié)整方程中第一個變量的系數(shù)。注意：這個索引與的轉置相對應。312.VEC系數(shù)的獲得71

(3)C的第一個指標是VEC的方程序號，第二個指標是VEC中一階差分回歸量的變量序號。例如，C(2,1)表示：VEC第二個方程中第一個一階差分回歸量的系數(shù)。在VEC模型的名字后面加一個點號和系數(shù)元素，就可以獲得這些系數(shù)，如：

var01.a(2,1)var01.b(2,1)var01.c(2,1)

要察看A

,

B和C的每一個元素和被估計系數(shù)的對應關系，從VAR的工具欄中選擇View/Representations即可。3272變量名稱協(xié)整向量（1）協(xié)整向量（2）ln(slt)10ln(ift)01ln(m1t-1)-0.16(-1.67)0ln(tivt)-0.51-0.98

（-8.41）(-33.99)

rrt-4

0.03

0.03(2.70)(7