Eviews中VAR模型的操作、脈沖響應分析和方差分解的實現ppt課件

1、EViews統(tǒng)計分析基礎教程第11章 VAR模型和VEC模型 重點內容： 向量自回歸實際 VAR模型的建立 Johansen協(xié)整檢驗 VEC模型的建立EViews統(tǒng)計分析基礎教程一、向量自回歸VAR模型1.向量自回歸實際向量自回歸模型可以用來預測相關聯(lián)的經濟時間序列系統(tǒng)，并分析隨機擾動對變量系統(tǒng)的動態(tài)沖擊，進一步解釋經濟沖擊對經濟變量所產生的影響。滯后階數為p的VAR模型表達式為yt=A1 yt-1 +A2 yt-2 + Ap yt-p+B xt + t 其中，yt為k維內生變量向量；xt為d維外生變量向量；t是k維誤差向量A1，A2，Ap，B是待估系數矩陣。EViews統(tǒng)計分析基礎教程一、向

2、量自回歸VAR模型1.向量自回歸實際滯后階數為p的VAR模型表達式還可以表述為即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 的參數矩陣。當行列式detA(L)的根都在單位圓外時，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。 EViews統(tǒng)計分析基礎教程一、向量自回歸VAR模型2.構造VAR模型SVAR構造VAR是指在模型中參與了內生變量的當期值，即解釋變量中含有當期變量，這是與VAR模型的不同之處。下面以兩變量SVAR模型為例進展闡明。xt=b10 + b12zt +11xt-1 +12 zt-1 + xt zt=b20 + b21xt +2

3、1xt-1 +22 zt-1 + zt 這是滯后階數p=1的SVAR模型。其中，xt和zt均是平穩(wěn)隨機過程；隨機誤差項xt和zt是白噪聲序列，并且它們之間不相關。系數b12表示變量的zt的變化對變量xt的影響；21表示xt-1的變化對zt的滯后影響。該模型同樣可以用如下向量方式表達，即B0 yt= 0 + 1 yt-1 + t EViews統(tǒng)計分析基礎教程一、向量自回歸VAR模型3. VAR模型的建立選擇“Quick|“Estimate VAR選項，將會彈出以下圖所示的對話框。該對話框包括三個選項卡，分別是“Basics、“Cointegration和“VEC Restrictions，后兩個

4、選項卡在VEC模型操作中運用。系統(tǒng)默許是“Basics選項卡。 EViews統(tǒng)計分析基礎教程一、向量自回歸VAR模型3. VAR模型的建立l在“VAR Type中有兩個選項：l“Unrestricted VAR建立的是無約束的向量自回歸模型，即 VAR模型的簡化式；l“Vector Error Correction建立的是誤差修正模型。l“Estimation Sample的編輯框中輸入的是樣本區(qū)間，當任務文件建立好后，系統(tǒng)會自動給出樣本區(qū)間。l“Endogenous Variables中輸入的是內生變量。l“Exogenous Variables中輸入的是外生變量，系統(tǒng)默許情況下將常數項c作

5、為外生變量。l“Lag Intervals for Endogenous中指定滯后區(qū)間 EViews統(tǒng)計分析基礎教程一、向量自回歸VAR模型4. VAR模型的檢驗VAR模型的滯后構造檢驗模型的滯后構造檢驗 1AR根的圖與表根的圖與表假設假設VAR模型一切根模的倒數都小于模型一切根模的倒數都小于1，即都在單位圓內，即都在單位圓內，那么該模型是穩(wěn)定的；假設那么該模型是穩(wěn)定的；假設VAR模型一切根模的倒數都大模型一切根模的倒數都大于于1，即都在單位圓外，那么該模型是不穩(wěn)定的。假設被估，即都在單位圓外，那么該模型是不穩(wěn)定的。假設被估計的計的VAR模型不穩(wěn)定，那么得到的結果有些是無效的。模型不穩(wěn)定，那么

6、得到的結果有些是無效的。在在VAR對象的工具欄中選擇對象的工具欄中選擇“View|“Lag Structure|“AR Roots Table/ AR Roots Graph選項，得到選項，得到AR根的表和圖。根的表和圖。EViews統(tǒng)計分析基礎教程一、向量自回歸VAR模型4. VAR模型的檢驗-1.5-1.0-0.50.00.51.01.5-1.5-1.0-0.50.00.51.01.5Inverse Roots of AR Characteristic PolynomialVAR模型中AR根的圖 VAR模型的滯后構模型的滯后構造檢驗造檢驗 1AR根的圖與根的圖與表表EViews統(tǒng)計分析基礎

7、教程一、向量自回歸VAR模型3. VAR模型的建立VAR模型的滯后構造檢驗模型的滯后構造檢驗 2Granger因果檢驗因果檢驗Granger因果檢驗的因果檢驗的原假設是原假設是 H0：變量：變量x不能不能Granger引起變量引起變量y備擇假設是備擇假設是H1：變量：變量x能能Granger引起變量引起變量y在在EViews軟件操作中，選擇軟件操作中，選擇VAR對象工具欄中的對象工具欄中的“View|“Lag Structure|“Granger Causality/Block Exogeneity Tests選項，可得到檢驗結果選項，可得到檢驗結果 。EViews統(tǒng)計分析基礎教程一、向量自回

8、歸VAR模型3. VAR模型的建立VAR模型的滯后構造檢驗模型的滯后構造檢驗 2Granger因果檢驗因果檢驗右圖的檢驗結果為：右圖的檢驗結果為：在在5%的顯著性程度下，的顯著性程度下，變量變量log(ex)能能Granger引引起變量起變量log(ms)，即回絕，即回絕原假設；但變量原假設；但變量log(ms)不能不能Granger引起變量引起變量log(ex)，即接受原假設。，即接受原假設。 EViews統(tǒng)計分析基礎教程一、向量自回歸VAR模型3. VAR模型的建立VAR模型的滯后構造檢驗模型的滯后構造檢驗 3滯后排除檢驗滯后排除檢驗滯后排除檢驗滯后排除檢驗Lag Exclusion Te

9、sts是對是對VAR模型中的每一階數的模型中的每一階數的滯后進展排除檢驗。如右圖所示。滯后進展排除檢驗。如右圖所示。第一列是滯后階數，第一列是滯后階數，第二列和第三列是方程的第二列和第三列是方程的2統(tǒng)計統(tǒng)計量，量，最后一列是結合的最后一列是結合的2統(tǒng)計量。統(tǒng)計量。EViews統(tǒng)計分析基礎教程一、向量自回歸VAR模型3. VAR模型的建立VAR模型的滯后構造檢驗模型的滯后構造檢驗 4滯后階數規(guī)范滯后階數規(guī)范 選擇選擇VAR對象工具欄中的對象工具欄中的“View|“Lag Structure|“Lag Length Criteria選項，在彈出的對話框中輸入選項，在彈出的對話框中輸入最大滯后階數，

10、然后單擊最大滯后階數，然后單擊“OK按鈕即可得到檢驗結果。按鈕即可得到檢驗結果。EViews統(tǒng)計分析基礎教程二、脈沖呼應函數脈沖呼應函數IRF，Impulse Response Function分析方法可以用來描畫一個內生變量對由誤差項所帶來的沖擊的反響，即在隨機誤差項上施加一個規(guī)范差大小的沖擊后，對內生變量的當期值和未來值所產生的影響程度。在EViews軟件操作中，選擇VAR對象工具欄中的“View|“Impulse Response選項，或者直接點擊VAR對象工具欄中的“Impulse功能鍵即可得到脈沖呼應函數的設定對話框。EViews統(tǒng)計分析基礎教程二、脈沖呼應函數在脈沖呼應函數的設定對

11、話框中有兩個選項卡：一個是“Display，一個是“Impulse Definition。系統(tǒng)默許下翻開的是“Display選項卡。其中，“Display Format包含三種顯示方式，“Table表格方式，“Multiple Graphs多個圖方式，“Combined Graphs組合圖方式。系統(tǒng)默許下是“Multiple Graphs選項。EViews統(tǒng)計分析基礎教程二、脈沖呼應函數“Display Information中輸入沖擊變量Impulses和脈沖呼應變量Responses。這里可以輸入內生變量的稱號，也可以輸入變量的序號。 在“Periods中輸入顯示的最長時期。“Accuml

12、ated Responses為累積呼應。對于穩(wěn)定的VAR模型，脈沖呼應函數應趨于0，累積呼應趨于非0常數。EViews統(tǒng)計分析基礎教程三、方差分解根本思想：方差分解的根本思想是，把系統(tǒng)中的全部內生變量k個的動搖按其成因分解為與各個方程新息相關聯(lián)的k個組成部分，從而得到新息對模型內生變量的相對重要程度。在EViews軟件操作中，選擇VAR對象工具欄中的“View|“Variance Decomposition選項，彈出對話框。其部分內容設定與脈沖呼應函數一樣。當改動VAR模型中的變量順序時，基于Cholesky因子的方差分解會有改動。EViews統(tǒng)計分析基礎教程四、Johansen協(xié)整檢驗1、J

13、ohansen協(xié)整實際在VAR(p)模型中，設變量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，代表趨勢項、常數項等，yt=A1 yt-1 +A2 yt-2 + Ap yt-p+B xt + t 變量y1t， y2t，ykt的一階單整過程I(1)經過差分后變?yōu)榱汶A單整過程I(0) EViews統(tǒng)計分析基礎教程四、Johansen協(xié)整檢驗1、Johansen協(xié)整實際設變量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，代表趨勢項、常數項等，yt=A1 yt-1 +A2 yt-2 + Ap yt-p+B xt + t 變

14、量y1t， y2t，ykt的一階單整過程I(1)經過差分后變?yōu)榱汶A單整過程I(0) EViews統(tǒng)計分析基礎教程四、Johansen協(xié)整檢驗1、Johansen協(xié)整實際其中，yt和yt-jj=1，2，p都是由I(0)變量構成的向量，假設 yt-1是I(0)的向量，即y1t-1，y2t-1，ykt-1之間具有協(xié)整關系，那么yt是平穩(wěn)的。EViews統(tǒng)計分析基礎教程四、Johansen協(xié)整檢驗1、Johansen協(xié)整實際根據協(xié)整方程中能否包含截距項和趨勢項，將其分為五類：第一類，序列yt沒有確定趨勢，協(xié)整方程沒有截距項；第二類，序列yt沒有確定趨勢，協(xié)整方程有截距項；第三類，序列yt有確定的線性趨

15、勢，協(xié)整方程只需截距項；第四類，序列yt有確定的線性趨勢，協(xié)整方程有確定的線性趨勢；第五類，序列yt有二次趨勢，協(xié)整方程只需線性趨勢。EViews統(tǒng)計分析基礎教程四、Johansen協(xié)整檢驗2、Johansen協(xié)整檢驗1特征根跡Trace檢驗 2最大特征值檢驗EViews統(tǒng)計分析基礎教程四、Johansen協(xié)整檢驗2、Johansen協(xié)整檢驗1特征根跡Trace檢驗 原假設為 Hr0：r0，r+1=0備擇假設為 H r1：r+10， r=1，2，k-1檢驗統(tǒng)計量為 其中， r是特征根跡統(tǒng)計量。EViews統(tǒng)計分析基礎教程四、Johansen協(xié)整檢驗2、Johansen協(xié)整檢驗1特征根跡Trac

16、e檢驗 當 0 臨界值時，接受H10，至少有一個協(xié)整向量；當 1 臨界值時，回絕H10，至少有兩個協(xié)整向量；當 r0， 檢驗統(tǒng)計量為 r = - nln(1-r+1) 其中， r是最大特征根統(tǒng)計量。當 0 臨界值時，回絕H00，至少有一個協(xié)整向量；當 1 臨界值時，回絕H10，至少有兩個協(xié)整向量；當 r 臨界值時，接受Hr0，只需r個協(xié)整向量。EViews統(tǒng)計分析基礎教程四、 Johansen協(xié)整檢驗EViews操作在EViews軟件操作中，選擇VAR01對象工具欄中的“View|“Cointegration Test選項，翻開以下圖所示的協(xié)整檢驗設定對話框。EViews統(tǒng)計分析基礎教程四、

17、Johansen協(xié)整檢驗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。假設沒有外生變量，此編輯框可為空。 在“Lag intervals中設定滯后區(qū)間，這里的數字要起止點成對輸入，如“1 2。最右側的數值為VAR模型滯后階數p-1，即協(xié)整檢驗的滯后階數等于VAR模型滯后階數減去1 。在“Critical Values中可設定檢驗的顯著性程度。系統(tǒng)默許下是0.05。用戶可以根據實踐檢驗需求設定為0.01或0.10。 EViews統(tǒng)計分析基礎教程五、 向量誤差修正VEC模型

18、1、VEC模型實際根據協(xié)整方程可得到如下表達式這樣得到的每一個方程都是誤差修正模型， ecmt-1= yt-1是誤差修正項，可以反響變量之間的長期平衡關系。 EViews統(tǒng)計分析基礎教程五、 向量誤差修正VEC模型1、VEC模型實際系數向量可以反映變量間的平衡關系偏離長期平衡形狀時，將其調整到平衡形狀的調整力度。誤差修正模型等式右側的變量差分項的系數反映了各變量的短期動搖對被解釋變量的短期變化的影響。在回歸模型中，統(tǒng)計量不顯著的滯后差分項可以直接剔除。 EViews統(tǒng)計分析基礎教程五、 向量誤差修正VEC模型2、VEC模型估計由于VEC模型是含有協(xié)整約束變量構建的模型，所以在估計VEC模型前需進展Johansen協(xié)整檢驗，并要確定協(xié)整關系的數量。假設變量間沒有協(xié)整關系，那么