Eviews中VAR模型的操作脉冲响应和方差分解的实现重点分析.ppt

Eviews中VAR模型的操作脉冲响应和方差分解的实现重点分析.ppt

  1. 1、本文档共33页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
* EViews统计分析基础教程 第11章 VAR模型和VEC模型 重点内容: 向量自回归理论 VAR模型的建立 Johansen协整检验 VEC模型的建立 一、向量自回归(VAR)模型 1.向量自回归理论 向量自回归模型可以用来预测相关联的经济时间序列系统,并分析随机扰动对变量系统的动态冲击,进一步解释经济冲击对经济变量所产生的影响。 滞后阶数为p的VAR模型表达式为 yt=A1 yt-1 +A2 yt-2 +…+ Ap yt-p+B xt + μt 其中,yt为k维内生变量向量;xt为d维外生变量向量;μt是k维误差向量A1,A2,…,Ap,B是待估系数矩阵。 一、向量自回归(VAR)模型 1.向量自回归理论 滞后阶数为p的VAR模型表达式还可以表述为 即 上式称为非限制性向量自回归(Unrestricted VAR)模型,是滞后算子L的k ╳ k 的参数矩阵。 当行列式det[A(L)]的根都在单位圆外时,不含外生变量的非限制性向量自回归模型才满足平稳性条件。 一、向量自回归(VAR)模型 2.结构VAR模型(SVAR) 结构VAR是指在模型中加入了内生变量的当期值,即解释变量中含有当期变量,这是与VAR模型的不同之处。 下面以两变量SVAR模型为例进行说明。 xt=b10 + b12zt +γ11xt-1 +γ12 zt-1 + μxt zt=b20 + b21xt +γ21xt-1 +γ22 zt-1 + μzt 这是滞后阶数p=1的SVAR模型。其中,xt和zt均是平稳随机过程;随机误差项μxt和μzt是白噪声序列,并且它们之间不相关。系数b12表示变量的zt的变化对变量xt的影响;γ21表示xt-1的变化对zt的滞后影响。该模型同样可以用如下向量形式表达,即 B0 yt=? 0 +? 1 yt-1 + μt 一、向量自回归(VAR)模型 3. VAR模型的建立 选择“Quick”|“Estimate VAR…”选项,将会弹出下图所示的对话框。 该对话框包括三个选项卡,分别是“Basics”、“Cointegration”和“VEC Restrictions”, 后两个选项卡在VEC模型操 作中使用。系统默认是“Basics” 选项卡。。 一、向量自回归(VAR)模型 3. VAR模型的建立 在“VAR Type”中有两个选项: “Unrestricted VAR”建立的是无约束的向量自回归模型,即 VAR模型的简化式; “Vector Error Correction”建立的是误差修正模型。 “Estimation Sample”的编辑框中输入的是样本区间,当工作文件建立好后,系统会自动给出样本区间。 “Endogenous Variables”中输入的是内生变量。 “Exogenous Variables”中输入的是外生变量,系统默认情况下将常数项c作为外生变量。 “Lag Intervals for Endogenous”中指定滞后区间 一、向量自回归(VAR)模型 4. VAR模型的检验 VAR模型的滞后结构检验 (1)AR根的图与表 如果VAR模型所有根模的倒数都小于1,即都在单位圆内,则该模型是稳定的;如果VAR模型所有根模的倒数都大于1,即都在单位圆外,则该模型是不稳定的。如果被估计的VAR模型不稳定,则得到的结果有些是无效的。 在VAR对象的工具栏中选择“View”|“Lag Structure”|“AR Roots Table/ AR Roots Graph”选项,得到AR根的表和图。 一、向量自回归(VAR)模型 4. VAR模型的检验 VAR模型中AR根的图 VAR模型的滞后结构检验 (1)AR根的图与表 一、向量自回归(VAR)模型 3. VAR模型的建立 VAR模型的滞后结构检验 (2)Granger因果检验 Granger因果检验的 原假设是 H0:变量x不能Granger引起变量y 备择假设是 H1:变量x能Granger引起变量y 在EViews软件操作中,选择VAR对象工具栏中的“View”|“Lag Structure”|“Granger Causality/Block Exogeneity Tests”选项,可得到检验结果 。 一、向量自回归(VAR)模型 3. VAR模型的建立 VAR模型的滞后结构检验 (2)Granger因果检验 右图的检验结果为: 在5%的显著性水平下, 变量log(ex)能Granger引 起变量log(ms),即拒绝 原假设;但变量log(ms) 不能Granger引起变量 log(ex),即接受原假设。 一、向量自回归(VAR)模型 3. VAR模型的

文档评论(0)

w5544434 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档