中级计量实验五解读.ppt

* 如果r=2，仍然选择第三种协整方程的形式，利用极大似然估计的方法，可得到如下2个协整向量，? 矩阵的估计量： 可以计算得到: 可以检验 z1，z2 都是平稳的，即z1～I(0)，z2～I(0) 。可以标准化，得到 * VEC模型在EViews软件中的实现 1. 如何估计VEC模型 由于VEC模型的表达式仅仅适用于协整序列，所以应先运行Johansen协整检验，并确定协整关系数。需要提供协整信息作为VEC对象定义的一部分。 如果要建立一个VEC模型，在VAR对象设定框中，从VAR Type中选择Vector Error Correction项。在VAR Specification栏中，除了特殊情况外，应该提供与无约束的VAR模型相同的信息： * ① 常数或线性趋势项不应包括在Exogenous Series的编辑框中。对于VEC模型的常数和趋势说明应定义在Cointegration栏中。 ② 在VEC模型中滞后间隔的说明指一阶差分的滞后。例如，滞后说明“1 2”将包括VEC模型右侧的变量的一阶差分项的滞后，即VEC模型是两阶滞后约束的VAR模型 。为了估计没有一阶差分项的VEC模型，指定滞后的形式为：“0 0”。 * ③ 对VEC模型常数和趋势的说明在Cointegration栏（下图）。必须从5个趋势假设说明中选择一个，也必须在编辑框中填入协整关系的个数，应该是一个小于VEC模型中内生变量个数的正数。 * 如果想强加约束于协整关系或(和)调整参数，用Restrictions栏。注意：如果没在VAR Specification栏中单击 Impose Restrictions项，这一栏将是灰色的。 * 一旦填完这个对话框，单击OK即可估计VEC模型。VEC模型的估计分两步完成：在第一步，从Johansen所用的协整检验估计协整关系；第二步，用所估计的协整关系构造误差修正项，并估计包括误差修正项作为回归量的一阶差分形式的VAR模型。 * * * 在VEC模型输出结果的底部，有系统的两个对数似然值。第一个值标有Log Likelihood (d.f. adjusted)，其计算用自由度修正的残差协方差矩阵，这是无约束的VAR模型的对数似然值。标有Log Likelihood的值是以没有修正自由度的残差协方差矩阵计算的。这个值与协整检验所输出的值是可比较的。 * 2. VEC系数 对于VEC模型，系数的估计保存在三个不同的二维数组中：A，B和C。A包含调整参数矩阵 ；B包含协整矩阵；C包含短期参数矩阵 （一阶差方项滞后的系数）。 (1) A的第一个指标是VEC的方程序号，第二个指标是协整方程的序号。例如，A(2,1) 表示：VEC的第二个方程中的第一个协整方程的调整系数。 (2) B的第一个指标是协整方程序号，第二个指标是协整方程的变量序号。例如， B(2,1) 表示：第二个协整方程中第一个变量的系数。注意：这个索引与 ? 的转置相对应。 * (3) C的第一个指标是VEC的方程序号，第二个指标是VEC中一阶差分回归量的变量序号。例如，C(2,1) 表示：VEC第二个方程中第一个一阶差分回归量的系数。 要察看A , B和C的每一个元素和被估计系数的对应关系，从VAR的工具栏中选择 View/Representations 即可。 * 表9.4 协整向量矩阵? 的估计结果 变量名称 ln(slt) ln(if t) ln(m1t-1) ln(tiv t) rr t-4 ln(cpi t-3) 常数项 协整向量 （1） 1 0 -0.7 (-27.48) 0 -0.04 (-7.91) -1.54 (-4.72) 8.99 协整向量 （2） 0.78 (2.39) 1 0 -1.58 (-7.33) 0.037 (4.17) 0 0.18 注：表中( )的数据表示系数对应的t统计量。 经检验，由表9.4中的协整向量分别得到的2个线性组合序列都是平稳的，即都是I(0)的。 * 表9.4中取值为1或0的变量系数是本例施加的约束，如协整方程1表示实际消费方程，假设实际消费与实际M1、实际利率和物价之间存在长期均衡关系，而约束其他变量系数为0，即 （9.7.16） 其中ecm1t 是协整方程（9.7.16）的残差项。实际消费