第八个主题_时间序列模型.ppt

《计量经济学》课件;第八专题时间序列模型（三）;一、结构VAR模型(SVAR) ;VAR模型并没有给出变量之间当期相关关系的确切形式，即在模型的右端不含有内生变量，而这些当期相关关系隐藏在随机误差项中，无法被观察到。 模型中的误差项?t是不可观测的，可以被看作是不可解释的随机扰动。 结构VAR模型(Structural VAR，SVAR)，实际是指VAR模型的结构式，即在模型中包含变量之间的当期关系。 ;（一）两变量的SVAR模型 ;假设： 【1】变量过程xt和zt均是平稳随机过程； 【2】随机误差uxt和uzt 是白噪声序列，方差 ； 【3】随机误差uxt 和uzt 之间不相关， 。 ; 为导出VAR模型的简化式方程，将上述模型表示为矩阵形式： 该模型可以简单地表示为：;假设B0可逆，可导出简化式方程为 ： 其中：; 从而可以看到，简化式扰动项?t是结构式扰动项ut的线性组合，因此代表一种复合冲击。因为uxt 和uzt是不相关的白噪声序列，则可以断定上述?1t和 ?2t 也是白噪声序列，并且均值和方差为：;同期的?1t和 ?2 t之间的协方差为： 可以看出当b12 ≠ 0或b21 ≠ 0时，VAR模型简化式中的扰动项不再像结构式中那样不相关。当b12 = b21 = 0时，即变量之间没有即时影响，上述协方差为0，相当于对B0矩阵施加约束。 ; （二）多变量的SVAR模型 ;可以将上写成滞后算子形式： ;假定结构式误差项(结构冲击) ut 的方差-协方差矩阵标准化为单位矩阵Ik。同样，如果矩阵多项式B(L)可逆，可以表示出SVAR的无穷阶的VMA(∞)形式： 其中： ;（三）结构VAR(SVAR)模型的识别条件 ;模型的识别性问题，即能否从简化式参数估计得到相应的结构式参数。对于k元p阶简化VAR模型： 利用极大似然方法，需要估计的参数个数为：; 要想得到结构式模型惟一的估计参数，要求识别的阶条件和秩条件，即简化式的未知参数不比结构式的未知参数多。因此，如果不对结构式参数加以限制，将出现模型不可识别的问题。 对于k元p阶SVAR模型，需要对结构式施加的限制条件个数为：k(k-1)/2。这些约束条件可以是同期(短期)的，也可以是长期的。 ;【1】短期约束 ; 对于任意实对称正定矩阵 ? ，存在惟一一个主对角线元素为1的下三角形矩阵G和惟一一个主对角线元素为正的对角矩阵Q使得： （*） 利用这一矩阵G可以构造一个k维向量ut ，构造方法为 ut =G-1?t，设 ： ; 则：; Sims施加约束的基本过程是： 由于 ? 是正定矩阵，所以可得到Cholesky因子P，即 。而且，当给定矩阵 ? 时，Cholesky因子P是惟一确定的。 对于VAR模型 两边都乘以P ?1，得到：; 其中： 。由于： ;依据经济理论假设的短期约束 一般短期约束的施加不必是下三角形式的。SVAR模型中的同期表示矩阵B0 是D0 的逆，即 ，因此可以通过对B0 施加限制条件实现短期约束。 例如：对于税收(y1t)、政府支出(y2t)和产出(y3t)的三变量SVAR模型来说 ，由于模型中包含3个内生变量，则k(k-1)/2= 3，因此需要对模型施加3个约束条件，才能识别出结构冲击。 ;【2】 长期约束 ;（四）SVAR模型的3种类型 ;其中： 扰动项 ?t 转变为正交扰动项ut (协方差矩阵是一个单位阵)，向量yt中各元素间的当期相关关系是由可逆矩阵K来决定的。假定知道?t 的方差-协方差矩阵的真实形式： ;从而有： 这意味着对矩阵施加了k(k+1)/2个非线性的限制，K中剩下k(k?1)/2个自由参数，还须给出k(k?1)/2个短期约束条件。;如果满足下列条件： 则称上述模型为C-型SVAR模型。 在这一模型中，ut是相互独立的扰动，而?t是独立正交的扰动项ut的线性组合。与K-型模型所不同的是：在这个模型中，内生变量之间没有同期关系，每个