第四章向量自回归模型研究.ppt

第七节 结构向量自回归模型 约束条件的限制方法 短期约束条件 长期约束条件 这两种方法都是对矩阵A 和B 进行的进一步限制，常把加以限制的这两个矩阵称为“类型矩阵”。 第七节 结构向量自回归模型 短期约束条件 对矩阵 A 和B 某些位置上的元素直接设定取某些特定的值，这种施加的约束条件称为短期约束条件。 通过类型矩阵 A 和 B 实现 Aεt = B e t 以2 个变量的VAR 模型为例，若限制A为主对角线元素为1的下三角矩阵，而约束B 为对角矩阵，则类型矩阵可分别写成 * 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。 * * VEC模型估计的输出包括两部分。第一部分显示了第一步从Johansen过程所得到的结果。如果不强加约束，EViews将会用系统默认的能可以识别所有的协整关系的正规化方法。系统默认的正规化表述为：将VEC模型中前 r 个变量作为剩余 k? r 个变量的函数，其中 r 表示协整关系数，k 是VEC模型中内生变量的个数。 第二部分输出是在第一步之后以误差修正项作为回归量的一阶差分的VAR模型。误差修正项以CointEq1，CointEq2，……表示形式输出。输出形式与无约束的VAR输出形式相同。 * * 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系数的获得 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。 在VEC模型的名字后面加一个点号和系数元素，就可以获得这些系数，如： var01.a(2,1) var01.b(2,1) var01.c(2,1) 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。 * 变量名称 协整向量（1） 协整向量（2） ln(slt) 1 0 ln(if t) 0 1 ln(m1 t-1) -0.16 (-1.67) 0 ln(tivt) -0.51 -0.98 （-8.41） (-33.99) rr t-4 ?0.03 ?0.03 (2.70) ( 7.87) ln(cpi t-3) -0.18 -0.22 (-0.69) (-0.95) 常数项 -0.63 2.05 表9.4 协整向量矩阵? 的估计结果 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6.4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、物价和实际工业总产值之间存在长期均衡关系，而约束其他变量系数为0，即 （