最全的模型理論基礎(chǔ)及其實(shí)現(xiàn)演示文稿

最全的模型理論基礎(chǔ)及其實(shí)現(xiàn)演示文稿目前一頁(yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)（優(yōu)選）最全的模型理論基礎(chǔ)及其實(shí)現(xiàn)目前二頁(yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)克里斯托弗?西姆斯目前三頁(yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)

3.VAR模型的檢驗(yàn)

2.VAR的建立與識(shí)別

4.脈沖響應(yīng)函數(shù)

5.方差分解

6.協(xié)整檢驗(yàn)

1.向量自回歸理論向量自回歸理論導(dǎo)入Granger因果檢驗(yàn)及滯后階數(shù)p的確定脈沖響應(yīng)函數(shù)的基本思想及其Eiews實(shí)現(xiàn)VAR的表示與建立以及SVAR的識(shí)別方差分解及Eivews實(shí)現(xiàn)Johansen檢驗(yàn)與VEC模型目前四頁(yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)一、向量自回歸理論傳統(tǒng)的計(jì)量經(jīng)濟(jì)方法（如聯(lián)立方程模型等結(jié)構(gòu)性方法）是以經(jīng)濟(jì)理論為基礎(chǔ)來(lái)描述變量關(guān)系的模型。遺憾的是，經(jīng)濟(jì)理論通常并不足以對(duì)變量之間的動(dòng)態(tài)聯(lián)系提供一個(gè)嚴(yán)密的說(shuō)明，而且內(nèi)生變量既可以出現(xiàn)在方程的左端又可以出現(xiàn)在方程的右端使得估計(jì)和推斷變得更加復(fù)雜。為了解決這些問(wèn)題而出現(xiàn)了一種用非結(jié)構(gòu)性方法來(lái)建立各變量之間關(guān)系的模型。目前五頁(yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)一、向量自回歸模型

向量自回歸(Vecotratuo-regression)是基于數(shù)據(jù)的統(tǒng)計(jì)性質(zhì)建立模型，VAR模型把系統(tǒng)中每一個(gè)內(nèi)生變量作為系統(tǒng)中所有內(nèi)生變量的滯后值來(lái)構(gòu)造模型，從而將單變量自回歸模型推廣到多元時(shí)間序列變量組成的“向量”自回歸模型。目前六頁(yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)一、向量自回歸理論

1980年西姆斯（Ch-restopher?Sims）將VAR模型引入到經(jīng)濟(jì)學(xué)中，推動(dòng)了經(jīng)濟(jì)系統(tǒng)動(dòng)態(tài)性分析的廣泛應(yīng)用，他本人也因此而榮獲2011年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)。目前七頁(yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)二、VAR模型的表示與建立1、VAR模型的一般表示：

滯后階數(shù)為p的VAR模型表達(dá)式為Yt=A1Yt-1+A2Yt-2+…+ApYt-p+BXt+μt

其中，Yt為k維內(nèi)生變量向量；Xt為d維外生變量向量;μt是k維誤差向量,A1，A2，…，Ap，B是待估系數(shù)矩陣。目前八頁(yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)滯后階數(shù)為p的VAR模型表達(dá)式還可以表述為：即上式稱為非限制性向量自回歸（UnrestrictedVAR）模型，是滯后算子L的k*k的參數(shù)矩陣。當(dāng)行列式det[A(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。目前九頁(yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)2、結(jié)構(gòu)VAR模型（SVAR）結(jié)構(gòu)VAR是指在模型中加入了內(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)行說(shuō)明。

xt=b10+b12zt+γ11xt-1+γ12zt-1+μxt

zt=b20+b21xt+γ21xt-1+γ22zt-1+μzt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；隨機(jī)誤差項(xiàng)μxt和μzt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；γ21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形式表達(dá)，即

B0yt=Γ0+Γ1yt-1+μt目前十頁(yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)（一）變量選取根據(jù)宏觀經(jīng)濟(jì)理論,消費(fèi)(C)、投資(I)和出口(X)是影響經(jīng)濟(jì)的三駕馬車,對(duì)經(jīng)濟(jì)增長(zhǎng)有舉足輕重的影響。所用年度數(shù)據(jù)均取自歷年《海南統(tǒng)計(jì)年鑒》,每個(gè)變量樣本時(shí)間跨度為1987-2010年,樣本容量為24。目前十一頁(yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)（二）數(shù)據(jù)預(yù)處理數(shù)據(jù)預(yù)處理包括三個(gè)步驟:(1)凡以美元為單位的數(shù)據(jù)全部按當(dāng)年的平均匯率折算為人民幣;(2)所有數(shù)據(jù)均按GDP平減指數(shù)(1987=100)進(jìn)行平減,以消除價(jià)格波動(dòng)因素影響并獲取實(shí)際值;(3)由于數(shù)據(jù)的自然對(duì)數(shù)變換不改變?cè)械膮f(xié)整關(guān)系,并能使其趨勢(shì)線性化,消除時(shí)間序列中存在的異方差現(xiàn)象,所以對(duì)所有數(shù)據(jù)取其自然對(duì)數(shù)值,以增強(qiáng)數(shù)據(jù)線性化趨勢(shì)、消除異方差,同時(shí)便于考察各變量對(duì)GDP的敏感性。目前十二頁(yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)3、VAR模型的建立選擇“Quick”|“EstimateVAR…”選項(xiàng)，將會(huì)彈出下圖所示的對(duì)話框。在“VARType”中有兩個(gè)選項(xiàng)：“UnrestrictedVAR”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；“VectorErrorCorrection”建立的是誤差修正模型?！癊stimationSample”的編輯框中輸入的是樣本區(qū)間，當(dāng)工作文件建立好后，系統(tǒng)會(huì)自動(dòng)給出樣本區(qū)間?！癊ndogenousVariables”中輸入的是內(nèi)生變量。“ExogenousVariables”中輸入的是外生變量，系統(tǒng)默認(rèn)情況下將常數(shù)項(xiàng)c作為外生變量?！癓agIntervalsforEndogenous”中指定滯后區(qū)間目前十三頁(yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)三、VAR模型的檢驗(yàn)VAR模型的滯后結(jié)構(gòu)檢驗(yàn)（1）AR根的圖與表

如果VAR模型所有根模的倒數(shù)都小于1，即都在單位圓內(nèi)，則該模型是穩(wěn)定的；如果VAR模型所有根模的倒數(shù)都大于1，即都在單位圓外，則該模型是不穩(wěn)定的。如果被估計(jì)的VAR模型不穩(wěn)定，則得到的結(jié)果有些是無(wú)效的。（如脈沖響應(yīng)函數(shù)的標(biāo)準(zhǔn)誤差）在VAR對(duì)象的工具欄中選擇“View”|“LagStructure”|“ARRootsTable/ARRootsGraph”選項(xiàng)，得到AR根的表和圖。目前十四頁(yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)三、VAR模型的檢驗(yàn)?zāi)壳笆屙?yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)（2）Granger因果檢驗(yàn)

Granger因果檢驗(yàn)主要是用來(lái)檢驗(yàn)內(nèi)生變量是否可以作為外生變量對(duì)待。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三、VAR模型的檢驗(yàn)?zāi)壳笆?yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)在EViews軟件操作中，選擇VAR對(duì)象工具欄中的“View”|“LagStructure”|“GrangerCausality/BlockExogeneityTests”選項(xiàng)，可得到檢驗(yàn)結(jié)果。三、VAR模型的檢驗(yàn)?zāi)壳笆唔?yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)（2）Granger因果檢驗(yàn)右圖的檢驗(yàn)結(jié)果為：在5%的顯著性水平下，變量log(ex)能Granger引起變量log(ms)，即拒絕原假設(shè)；但變量log(ms)不能Granger引起變量log(ex)。三、VAR模型的檢驗(yàn)?zāi)壳笆隧?yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)（3）滯后排除檢驗(yàn)滯后排除檢驗(yàn)（LagExclusion

Tests）是對(duì)VAR模型中的每一階數(shù)的滯后進(jìn)行排除檢驗(yàn)。如右圖所示。第一列是滯后階數(shù)，第二至五列是方程的χ2統(tǒng)計(jì)量，最后一列是聯(lián)合的χ2統(tǒng)計(jì)量。三、VAR模型的檢驗(yàn)?zāi)壳笆彭?yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)（4）滯后階數(shù)標(biāo)準(zhǔn)滯后長(zhǎng)度標(biāo)準(zhǔn)（LagLengthCriteria）是計(jì)算出各種標(biāo)準(zhǔn)，選擇無(wú)約束VAR模型的滯后階數(shù)，可以填入確切的最大的滯后階數(shù)來(lái)檢驗(yàn)。表中將顯示出直至最大滯后階數(shù)的各種信息標(biāo)準(zhǔn)（如果在VAR模型中沒(méi)有外生變量，滯后從1開始，否則從0開始）。表中用“*”表示從每一列標(biāo)準(zhǔn)中選的滯后階數(shù)。選擇VAR對(duì)象工具欄中的“View”|“LagStructure”|“LagLengthCriteria”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。三、VAR模型的檢驗(yàn)?zāi)壳岸?yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)四、脈沖響應(yīng)函數(shù)在實(shí)際應(yīng)用中，由于VAR模型是一種非理論性的模型，它無(wú)需對(duì)變量作任何先驗(yàn)性約束，因此在分析VAR模型時(shí)，往往不分析一個(gè)變量的變化對(duì)另一個(gè)變量的影響如何，而是分析當(dāng)一個(gè)誤差項(xiàng)發(fā)生變化，或者說(shuō)模型受到某種沖擊時(shí)對(duì)系統(tǒng)的動(dòng)態(tài)影響，這種分析方法稱為脈沖響應(yīng)函數(shù)分析方法(impulseresponsefunction,IRF)。目前二十一頁(yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)“DisplayInformation”中輸入沖擊變量（Impulses）和脈沖響應(yīng)變量（Responses）。這里可以輸入內(nèi)生變量的名稱，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?！癆ccumlatedResponses”為累積響應(yīng)。對(duì)于穩(wěn)定的VAR模型，脈沖響應(yīng)函數(shù)應(yīng)趨于0，累積響應(yīng)趨于非0常數(shù)。四、脈沖響應(yīng)函數(shù)目前二十二頁(yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)五、方差分解方差分解(variancedecomposition)是通過(guò)分析每一個(gè)結(jié)構(gòu)沖擊對(duì)內(nèi)生變量變化（通常用方差來(lái)衡量）的貢獻(xiàn)度，進(jìn)一步評(píng)價(jià)不同結(jié)構(gòu)沖擊的重要性。因此，方差分解給出對(duì)VAR模型中的變量產(chǎn)生影響的每個(gè)隨機(jī)擾動(dòng)的相對(duì)重要性的信息。目前二十三頁(yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)在EViews軟件操作中，選擇VAR對(duì)象工具欄中的“View”|“ImpulseResponse…”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響應(yīng)函數(shù)的設(shè)定對(duì)話框。在脈沖響應(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“ImpulseDefinition”。系統(tǒng)默認(rèn)下打開的是“Display”選項(xiàng)卡。其中，“DisplayFormat”包含三種顯示形式，“Table”表格形式，“MultipleGraphs”多個(gè)圖形式，“CombinedGraphs”組合圖形式。系統(tǒng)默認(rèn)下是“MultipleGraphs”選項(xiàng)。五、方差分解目前二十四頁(yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)方差分解的基本思想是，把系統(tǒng)中的全部?jī)?nèi)生變量(k)個(gè)的波動(dòng)按其成因分解為與各個(gè)方程新息相關(guān)聯(lián)的k個(gè)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。五、方差分解在EViews軟件操作中，選擇VAR對(duì)象工具欄中的“View”|“VarianceDecomposition…”選項(xiàng)，彈出對(duì)話框。其部分內(nèi)容設(shè)定與脈沖響應(yīng)函數(shù)相同。當(dāng)改變VAR模型中的變量順序時(shí)，基于Cholesky因子的方差分解會(huì)有改變。目前二十五頁(yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)六、協(xié)整檢驗(yàn)假定一些經(jīng)濟(jì)指標(biāo)被某經(jīng)濟(jì)系統(tǒng)聯(lián)系在一起，那么多長(zhǎng)遠(yuǎn)看來(lái)這些變量應(yīng)該具有均衡關(guān)系，這是建立和檢驗(yàn)?zāi)Ｐ偷幕境霭l(fā)點(diǎn)。在短期內(nèi)，因?yàn)榧竟?jié)影響或隨機(jī)干擾，這些變量有可能偏離均值。如果這種偏離是暫時(shí)的，那么隨著時(shí)間推移將會(huì)回到均衡狀態(tài)；如果這種偏離是持久的，就不能說(shuō)這些變量之間存在均衡關(guān)系。1987年Engle和Granger提出的協(xié)整理論及其方法，為非平穩(wěn)序列的建模提供了另一種途徑。雖然一些經(jīng)濟(jì)變量的本身是非平穩(wěn)序列，但是，它們的線性組合卻有可能是平穩(wěn)序列。這種平穩(wěn)的線性組合被稱為協(xié)整方程且可被解釋為變量之間的長(zhǎng)期穩(wěn)定的均衡關(guān)系。目前二十六頁(yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)協(xié)整檢驗(yàn)從檢驗(yàn)的對(duì)象上可以分為兩種：一種是基于回歸殘差的協(xié)整檢驗(yàn)，如DF檢驗(yàn)和ADF檢驗(yàn)等；另一種是基于回歸系數(shù)的協(xié)整檢驗(yàn)，如Johansen檢驗(yàn)。Johansen在1988年及在1990年與Juselius一起提出的一種以VAR模型為基礎(chǔ)的檢驗(yàn)回歸系數(shù)的方法，是一種進(jìn)行多變量協(xié)整檢驗(yàn)的較好方法，因此，有時(shí)也稱為JJ檢驗(yàn)。將Yt的協(xié)整檢驗(yàn)變成對(duì)矩陣Π的分析問(wèn)題，這就是JJ檢驗(yàn)的基本原理。因?yàn)榫仃嚘暗闹鹊扔谒姆橇闾卣鞲膫€(gè)數(shù)，因此可以通過(guò)對(duì)非零特征根個(gè)數(shù)的檢驗(yàn)來(lái)檢驗(yàn)協(xié)整關(guān)系和協(xié)整向量的秩。六、協(xié)整檢驗(yàn)?zāi)壳岸唔?yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)在EViews軟件操作中，選擇VAR對(duì)象工具欄中的“View”|“CointegrationTest…”選項(xiàng)，打開右圖所示的協(xié)整檢驗(yàn)設(shè)定對(duì)話框。協(xié)整檢驗(yàn)僅對(duì)已知非平穩(wěn)的序列有效，所以需要首先對(duì)VAR模型中的每一個(gè)序列進(jìn)行單位根檢驗(yàn)。六、協(xié)整檢驗(yàn)?zāi)壳岸隧?yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)在“Deterministictrendassumptionoftest”中確定協(xié)整方程的類型。根據(jù)協(xié)整方程中是否包含截距項(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)整方程只有截距項(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)整方程只有線性趨勢(shì)。六、協(xié)整檢驗(yàn)?zāi)壳岸彭?yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)在“Exogvariables”中輸入外生變量xt。如果沒(méi)有外生變量，此編輯框可為空。在“Lagintervals”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“12”。需要注意的是：滯后設(shè)定是指在輔助回歸中的一階差分的滯后項(xiàng)，而不是指原序列。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“CriticalValues”中可設(shè)定檢驗(yàn)的顯著性水平。系統(tǒng)默認(rèn)下是0.05。用戶可以根據(jù)實(shí)際檢驗(yàn)需要設(shè)定為0.01或0.10。

六、協(xié)整檢驗(yàn)?zāi)壳叭?yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)協(xié)整檢驗(yàn)的結(jié)果第一部分給出了協(xié)整關(guān)系的數(shù)量，并以兩種檢驗(yàn)統(tǒng)計(jì)量的形式顯示：第一種結(jié)果是所謂的跡統(tǒng)計(jì)量，列在第一個(gè)表格中；第二種檢驗(yàn)結(jié)果是最大特征值統(tǒng)計(jì)量，列在第二個(gè)表格中。對(duì)于每一個(gè)檢驗(yàn)結(jié)果，第一列顯示了在原假設(shè)成立條件下的協(xié)整關(guān)系數(shù)；第二列是矩陣Π按由大到小排序的特征值；第三列是跡檢驗(yàn)統(tǒng)計(jì)量或最大特征值統(tǒng)計(jì)量；第四列是在5%的顯著水平下的臨界值；最后一列是根據(jù)Mackinnon-Haug-Michelis(1999)提出的臨界值所得到的P值。六、協(xié)整檢驗(yàn)?zāi)壳叭豁?yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)七、向量誤差修正模型（VEC）傳統(tǒng)的經(jīng)濟(jì)模型通常表述的是變量之間的一種“長(zhǎng)期均衡”關(guān)系，而實(shí)際經(jīng)濟(jì)數(shù)據(jù)卻是由“非均衡過(guò)程”生成的。因此，建模時(shí)需要用數(shù)據(jù)的動(dòng)態(tài)非均衡過(guò)程來(lái)逼近經(jīng)濟(jì)理論的長(zhǎng)期均衡過(guò)程。Engle和Granger將協(xié)整與誤差修正模型結(jié)合起來(lái)，建立了微量誤差修正模型。只要變量之間存在協(xié)整關(guān)系，可以由自回歸分布滯后模型導(dǎo)出誤差修正模型（ECM）。而在VAR模型中的每個(gè)方程都是一個(gè)自回歸分布滯后模型，因此，可以認(rèn)為VEC模型是含有協(xié)整約束的VAR模型，多應(yīng)用于具有協(xié)整關(guān)系的非平穩(wěn)時(shí)間序列建模。目前三十二頁(yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)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)，可以反應(yīng)變量之間的長(zhǎng)期均衡關(guān)系。七、向量誤差修正模型（VEC）目前三十三頁(yè)\總數(shù)三十七頁(yè)\編于二十一點(diǎn)系數(shù)向量可以反映變量間的均衡關(guān)系偏離長(zhǎng)期均衡狀態(tài)時(shí)，將其調(diào)整到均衡狀態(tài)的調(diào)整速度。所有作為解釋變量差分項(xiàng)的系數(shù)反映了各變量的短期波動(dòng)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。由于VEC模型是含有協(xié)整約束變量構(gòu)建的模型，所以在估計(jì)VEC模型前需進(jìn)行Johan