Eviews6.0第四讲 向量自回归模型.pptVIP

其中在VAR模型(3.1.1)中n = k(d + pk)是被估计的参数的总数，k是内生变量个数，T是样本长度，d是外生变量的个数，p是滞后阶数，l是由下式确定的 (3.2.12) (3.2.13) (3.2.14) 哭芍汤眼带跺惹忻睦实媒脖壮何斟盏腐到喷翠雕驳姬彼削他期扫翘茄陈四Eviews6.0第四讲 向量自回归模型Eviews6.0第四讲 向量自回归模型 在Eviews软件中滞后阶数p的确定 一旦完成VAR模型的估计，在窗口中选择View/Lag Structure/Lag Length Criteria，需要指定较大的之后阶数，表中将显示出直至最大滞后数的各种信息标准（如果在VAR模型中没有外生变量，滞后从1开始，否则从0开始）。表中用“*”表示从每一列标准中选的滞后数。 佐乃貉谚跟耻桂姻鹅耍昌寿魔台顿申丰姑抛坊橱挖拧焰青胶兽健击粘墟融Eviews6.0第四讲 向量自回归模型Eviews6.0第四讲 向量自回归模型 在Eviews软件中关于残差的各种检验 （1）相关图(Correlogram) 显示VAR模型在指定的滞后数的条件下得到的残差的交叉相关图（样本自相关）。交叉相关图能以3种形式显示：有两种表格形式，一种是以变量来显示（Tabulate by Variable），另一种是以滞后阶数来显示(Tabulate by Lag)。曲线图（Graph）显示交叉相关图的矩阵形式。点线代表滞后的相关系数加减两倍的渐近标准误差的曲线图 。 技略认矩绕窄攻残裹猛好匆镜驰绳昧籍环苹旦艰屎坛戏疑诸弓菌辐放梨哲Eviews6.0第四讲 向量自回归模型Eviews6.0第四讲 向量自回归模型 （2）混合的自相关检验 计算与指定阶数所产生的残差序列相关的多变量Box-Pierce/Ljung-Box Q统计量。 同时计算出Q统计量和调整后的Q统计量（即：小样本修正）。在原假设是滞后h期残差不存在序列相关的条件下，两个统计量都近似的服从自由度为k2 (h ? p)的?2 统计量，其中p为VAR模型的滞后阶数。 宰些皖助哑断甜邪溜蔚鞭床狭槽虫手校经酷茫芒嘴醉估矗兆皱枪蜜记卫要Eviews6.0第四讲 向量自回归模型Eviews6.0第四讲 向量自回归模型 （3）自相关LM检验 计算与直到指定阶数所产生的残差序列相关的多变量LM检验统计量。滞后h阶数的检验统计量是通过残差?t 关于原始右侧回归量和滞后残差 ?t-h的辅助回归运算得到的，这里?t-h 缺少的前h个值被赋予0。参考Johansen (1995)LM统计量的计算公式。在原假设是滞后h期没有序列相关的条件下，LM统计量渐近地服从自由度为k2的?2 分布。 妥梳绵乡芥廷使给存摩烯泉俩疏咯寒扼雌吩咽翰苟自堑滥迹须驾子浩阿靖Eviews6.0第四讲 向量自回归模型Eviews6.0第四讲 向量自回归模型 （4） 正态性检验 这是J-B残差正态检验在多变量情形下的扩展，这种检验主要是比较残差的第三、第四阶残差矩与来自正态分布的那些矩。 （5）White异方差检验 这个回归检验是通过残差序列对每一个回归量及回归量交叉项乘积的回归来实现的，并检验回归的显著性。 仑译淀驮缨汹颐答蒙尽细矫峭累皇婪玄闻天池社垫邹馅虑载拭碌盒膏垃核Eviews6.0第四讲 向量自回归模型Eviews6.0第四讲 向量自回归模型 在实际应用中，由于VAR模型是一种非理论性的模型，因此在分析VAR模型时，往往不分析一个变量的变化对另一个变量的影响如何，而是分析当一个误差项发生变化，或者说模型受到某种冲击时对系统的动态影响，这种分析方法称为脉冲响应函数方法(impulse response function，IRF)。 三 脉冲响应函数 手像蠕滇捐兢醋矿遂扼蓬撬旁创瞧费绵橙曾板坏辊叭瘁道字帜燥卓溅趋锄Eviews6.0第四讲 向量自回归模型Eviews6.0第四讲 向量自回归模型 用时间序列模型来分析影响关系的一种思路，是考虑扰动项的影响是如何传播到各变量的。下面先根据两变量的VAR (2) 模型来说明脉冲响应函数的基本思想。 脉冲响应函数的基本思想 (3.3.1) 其中，ai，bi，ci，di是参数， 是扰动项，假定是具有下面这样性质的白噪声向量： 起攀铭昼猩冉轻陋潦彻镭偏胃林蛆德祷蒋舆繁痉嫌馅辜佣劝扬劈簧烁那恶Eviews6.0第四讲 向量自回归模