计量经济学及应用：第12章.pptVIP

第12章 向量自回归模型及其应用 通过本章我们要知道 12.1向量自回归(VAR)模型 12.2向量自回归（VAR）模型的估计 12.3脉冲响应函数 12.4预测误差方差分解 12.5 Granger因果关系检验 12.6案例分析 12.1向量自回归（VAR）模型 概念：向量自回归模型（Vector Autoregressive Model，指每个方程有相同的等号右侧的变量，而这些右侧变量包括所有内生变量的滞后项，是针对变量无法确定为外生变量时，一种新的多方程模型的分析方法。 作用 分析和预测相互联系的多变量时间序列系统 分析随机干扰项所探讨的经济系统的动态冲击 解释各种经济冲击对经济变量的影响 1、简单的VAR模型 其中，假设： （1） 和 都是平稳的随机过程； （2） 和 是白噪音干扰项； （3） （12-1） （12-2） 2、标准型VAR模型与结构VAR模型 将由方程（12-1）和（12-2）构成的模型写成矩阵形式 其中， （12-6） 简约式VAR模型 用 左乘以方程（12-6），得到简约式VAR模型 其中 ， ， 结构性VAR模型（SVAR） 又称为原始系统，即形如（12-6）的VAR （12-7） 标准型VAR 定义 为列向量 的第 个元素， 为矩阵 中第 i 行第 j 列的元素， 为列向量 的第 i个元素。（12-6）等价于 形如上面两式的VAR称为标准VAR或诱导系统 高阶VAR模型可以以此类推 （12-8） （12-9） 12.2 VAR的估计 1、VAR的识别条件 对于k个变量的p阶结构向量自回归模型 对于k个变量的p阶简约VAR模型 识别条件：简约式的未知参数不能多于结构式的未知参数 （12-12） 参数个数为 （12-13） 参数个数为 2、VAR模型的参数估计 向量自回归（VAR）——二阶段最小二乘法进行估计。 标准VAR模型——直接采用普通的最小二乘法进行估计 3、向量自回归（VAR）模型在Eviews中的实现 稳定性和平稳性 1阶自回归模型 稳定性的条件： 的绝对值小于1 如果 的数值小于0且大于-1，那么模型是振荡收敛的 如果 绝对值大于1，那么是发散的。 12.3脉冲响应函数 1、线性动态模型与动态乘数 合并成一个单个差分方程，称此差分方程为基本动态方程 动态乘数；长期总乘数 （12-16） （12-15） （12-14） （12-17） 2、脉冲响应函数 （1）提出 脉冲响应就是试图描述随机干扰项对内生变量的影响轨迹 （12-18） （12-19） （12-20） （2）脉冲响应函数 矩阵的形式为 （12-21） （12-22） （12-23） 误差向量为 结合上两式 （12-24） （12-25） （12-26） 用1阶VAR模型稳定时的特解，可得 定义 得（12-25）的移动平均表达式 是效应乘数 形如 被称为脉冲响应函数 （12-29） 12.4预测误差方差分解 1、预测方差分解 使用公式（12-28）预测 ，得其预测误差一般形式 看两变量VAR模型中的随机变量 由（12-27）、（12-28） （12-32） 的n步预测误差方差 按每个冲击把n步预测误差方差分解成一定比例 和 12.5Granger因果关系检验 基本思路：对于变量X和Y，如果X的变化引起了Y的变化，X的变化应当发生在Y的变化之前 即，要求估计： 满足条件： （1）变量 X应该有助于预测变量Y （2）变量 Y不应当有助于预测变量X 步骤 （1）检验“变量 X不是引起变量 Y变化的Granger原因” 估计： 残差平方和分别为 、 （12-39） （12-40） 构造F统计量： 检验联合假设 同理，可以检验变量Y不是引起变量X变化的Granger原因” ～ 中至少有一个不为零 是否成立 变量X与Y之间存在3种影响关系 （1）变量 X与Y之间互不影响，没有因果关系