在Eviews中证VAR模型的方法.pdfVIP

Eviews VAR Eviews VAR 在EEvviieewwss中验证VVAARR模型的方法 稻草人颖 一、平稳性检验 （一）背景知识 （一）背景知识 （（一一））背背景景知知识识 数据变量的平稳性是传统的计量经济分析的基本要求之一。只有模型中的变 量满足平稳性要求时，传统的计量经济分析方法才是有效的。而在模型中含有非 平稳时间序列式，基于传统的计量经济分析方法的估计和检验统计计量将失去通 常的性质，从而推断得出的结论可能是错误的。因此，在建立模型之前有必要检 验数据的平稳性。这就是平稳性检验。 常见的数据类型 • 时间序列数据（time-seriesdata)； • 截面数据(cross-sectional data)； • 平行面板数据（/ panel data/time-seriescross-sectiondata)； 经典回归分析暗含着一个重要假设：数据是平稳的；数据非平稳，往往导致 出现“虚假回归”。 故：时间序列首先遇到的问题就是平稳性的问题。 （二）操作步骤 （二）操作步骤 （（二二））操操作作步步骤骤 注：进行操作的数首先需要进行取对数的处理。 (1)File——New——Workfile。 1 (2) 选择Ustructured/Undated，在Observations里输入数据量数——OK。 (3)Quick——EmptyGroup——复制并粘贴数据——关闭。 2 (4) 选择需要进行平稳性检验的单个变量——右键Open——View——Unit Root Test——Augmented Dickey-Fuller——OK。 3 (5) 查看结果。 如果Prob 的值大于0.05（或者0.1），或者1%、5%、10%水平下的临界值 小于假设的Augmented Dickey-Fuller的值，则说明不能拒绝原假设，说明不平稳。 反之，则拒绝原假设，说明平稳。 为了得到的平稳的结果，如果第一次检验不平稳，可以尝试使用一阶差分， 如若再不平稳，使用二阶差分，以此类推，直到得到平稳的结果为止。 4 二、协整性检验 （一）背景知识 （一）背景知识 （（一一））背背景景知知识识 协整即存在共同的随机性趋势。协整检验的目的是决定一组非平稳序列的线 性组合是否具有稳定的均衡关系，伪回归的一种特殊情况即是两个时间序列的趋 势成分相同，此时可能利用这种共同趋势修正回归使之可靠。正是由于协整传递 出了一种长期均衡关系，若是能在看来具有单独随机性趋势的几个变量之间找到 “ ” 一种可靠联系，那么通过引入这种醉汉与狗之间距离的 相对平稳 对模型进行调 整，可以排除单位根带来的随机性趋势，即所称的误差修正模型。 在进行时间系列分析时，传统上要求所用的时间系列必须是平稳的，即没有 “ ” 随机趋势或确定趋势，否则会产生 伪回归 问题。但是，在现实经济中的时间系 列通常是非平稳的，我们可以对它进行差分把它变平稳，但这样会让我们失去总 量的长期信息，而这些信息对分析问题来说又是必要的，所以用协整来解决此问 题。 5 （二）操作步骤 （二）操作步骤 （（二二））操操作作步步骤骤 (1) 导入数据。方法同平稳性检验的步骤(1)(2)。 (2) 选择需要进行协整检验的相关变量——Open asGroup。 (3) 点击View，选择CointegrationTest，默认值，最后点击“确定