向量自回归模型(_VAR)_和VE.pptx

第十一章向量自回归(VAR)模型和向量误差修正(VEC)模型一、VAR模型及特点1.VAR模型—向量自回归模型2.VAR模型的特点二、VAR模型滞后阶数p的确定方法确定VAR模型中滞后阶数p的两种方法案例三、Jonhamson协整检验1.Johanson协整似然比（LR）检验2.Johanson协整检验命令案例3.协整关系验证方法案例四、格兰杰因果关系检验1.格兰杰因果性定义2.格兰杰因果性检验案例五、建立VAR模型案例六、利用VAR模型进行预测案例七、脉冲响应函数与方差分解案例八、向量误差修正模型案例1.VAR模型—向量自回归模型经典计量经济学中，由线性方程构成的联立方程组模型，由科普曼斯（poOKmans1950）和霍德－科普曼斯（Hood-poOKmans1953）提出。联立方程组模型在20世纪五、六十年代曾轰动一时，其优点主要在于对每个方程的残差和解释变量的有关问题给予了充分考虑，提出了工具变量法、两阶段最小二乘法、三阶段最小二乘法、有限信息极大似然法和完全信息极大似然法等参数的估计方法。这种建模方法用于研究复杂的宏观经济问题，有时多达万余个内生变量。当时主要用于预测和由此可知，经济理论指导下建立的结构性经典计量模型存在不少问题。为解决这些问题而提出了一种用非结构性方法建立各变量之间关系的模型。本章所要介绍的VAR模型和VEC模型，就是非结构性的方程组模型。VAR(VectorAutoregression)模型由西姆斯（C.A.Sims,1980）提出,他推动了对经济系统动态分析的广泛应用，是当今世界上的主流模型之一。受到普遍重视，得到广泛应用。VAR模型主要用于预测和分析随机扰动对系统的动态冲击，冲击的大小、正负及持续的时间。VAR模型的定义式为：设是N×1阶时序应变量列向量，则p阶VAR模型（记为VAR(p)）：用矩阵表示：待估参数个数为2×2×2=用线性方程组表示VAR(2)模型：显然，方程组左侧是两个第t期内生变量；右侧分别是两个1阶和两个2阶滞后应变量做为解释变量，且各方程最大滞后阶数相同,都是2。这些滞后变量与随机误差项不相关（假设要求）。所以,VAR模型既可用于预测,又可用于结构分析。近年又提出了结构VAR模型（SVAR：StructuralVAR）。有取代结构联立方程组模型的趋势。由VAR模型又发展了VEC模型。2.VAR模型的特点VAR模型较联立方程组模型有如下特点：（1）VAR模型不以严格的经济理论为依据。在建模过程中只需明确两件事：，哪些变量应进入模型（要求变量间具有相关关系——格兰杰因果关系）；第二，滞后阶数p的确定（保证残差刚好不存在自相关）；建立VAR模型只需做两件事，哪些变量可作为应变量？VAR模型中应纳入具有相关关系的变量作为应变量，而变量间是否具有相关关系，要用格兰杰因果关系检验确定。第二，确定模型的最大滞后阶数p。首先介绍确定VAR模型最大滞后阶数p的方法：在VAR模型中解释变量的最大滞后阶数p太小，残差可能存在自相关，并导致参数估计的非一致性。适当加大p值（即增加滞后变量个数），可消除残差中存在（2）用似然比统计量LR选择p值。LR定义为：式中，和分别为VAR(p)和VAR(p+i)模型的对数似然函数值；f为自由度。用对数似然比统计量LR确定P的方法用案例说明。图11-1GDPt、Ct和It的时序图案例1(二)滞后阶数p的确定首先用赤池信息准则（AIC）和施瓦茨（SC）准则选择p值，计算结果列于表11.2。表11.2AIC与SC随p的变化由表11.2知,AIC和SC最小值对应的p值均为２，故应取VAR模型滞后阶数p=2。表11.3AIC与SC随P的变化由表11.3知,在P=1时，SC最小（-4.8474），在P=3时,AIC最小（-5.8804），相互矛盾不能确定P值，只能用似然比LR确定P值。利用Genr命令可算得用于检验原假设是否成立的伴随概率P：p=1-@cchisq(42.4250,18)=0.000964故P=0.000964<=0.05，应拒绝原假设，建立VAR(3)模型。Johanson检验不是一次能完成的独立检验，而是一种针对不同取值的连续检验过程。EViews从检验不存在协整关系的零假设开始，其后是最多一个协整关系，直到最多N-1个协整关系，共需进行N次检验。约翰森协整检验与EG协整检验的比较（1）约翰森协整检验不必划分内生、外生变量，而基于单一方程的EG协整检验则须进行内生、外生变量的划分；（2）约翰森协整检验可给出全部协整关系，而EG则不能；（3）约翰森协整检验的功效更稳定。故约翰森协整检验优于EG检验。当N>2时，最好用Jonhamson协整检验方法。协整方程结构假设：与时序方程可能含有截距和趋势项类似，协整方程也可含有截距和趋势项。协整方程可有以下5种结构