实验12 向量自回归模型.docx

实验12 向量自回归模型【实验目的】通过本实验，使学生掌握向量自回归模型(VAR)的分析方法；能够较熟练利用Eviews,以及实际数据，针对现实问题进行向量自回归模型(VAR)分析。【实验内容】根据中国GDP、宏观消费与基本建设投资等实际数据，建立向量自回归模型，并根据建立的模型进行分析。具体内容为：(1)VAR模型估计。(2)VAR模型最佳滞后期的选择。(3)VAR模型的稳定性检验。(4)VAR模型残差检验。(5)Granger因果性检验。(6)脉冲响应分析。(7)协整性检验。(8)建立VEC(向量误差修正)模型。【实验步骤】步骤一、数据处理原始数据为国内生产总值GDP、消费总量CONS、基本建设投资INVES。2.为消除通货膨胀的影响，用价格指数进行调节，选择了定基价格指数（1997=1），并用三个时间序列分别除以价格指数，调整之后的序列分别命名为GDPP，CONSP，INVESP。3．三个数据变动幅度较大，为了减少可能存在的异方差性和自相关性影响，对三个序列取对数，取对数的数据序列分别命名为LNGP，LNCP和LNIP。数据如图1图1 LNGP，LNCP和LNIP数据图步骤二、建立VAR模型1．在work file文档界面下，点击快捷键quick，会出现quick菜单，在quick菜单中选择估计VAR（estimate VAR）项，选择方法如图2。图2 估计VAR选择方法2．VAR模型设置。在VAR模型设置选项中（basics），有五个基本选项，（1）VAR类型（VAR Type）。包含无约束无约束VAR（Unrestricted VAR）和向量误差修正模型（Vector ErroeCorrec）两个选项。本实验选择在VAR类型（VAR Type）选择无约束VAR（Unrestricted VAR）。（2）样本时间范围。设定样本数据的时间范围。本实验选择1953年到1997年。（3）模型中包含的内生变量（Endogenous Variables）。VAR模型包含的内生变量。本例在内生变量中（Endogenous Variables）输入Lngp，lncp，lnip）。（4）内生变量滞后期区间（lag intervals for Endogenous ）。设置VAR模型中各变量的滞后区间。本案例在变量滞后期框中输入“1 3”，表明建立的模型最大滞后期是3期。（5）外生变量（Exogenous Variables）。VAR模型中包含的外生变量。在外生变量框中（Exogenous Variables）输入常数项C。设置结果如图3图3 var模型设置点击确定后输出的结果如图4。图4 VAR估计结果写出其中一个估计的方程为： LNGPt=1.817LNGPt-1-0.27LNCPt-1-1.992LNGPt-2+1.223LNCPt-2+0.884LNGPt-3-0.493LNCPt-3（4.545）（-0.744）（-3.789）（2.468）（1.928）（-1.167）步骤三、模型稳定性检验在VAR估计结果的窗口中，点击view快捷菜单，在view菜单下选择lag structure项，在lag structure子菜单下可分别选择 AR Roots Table和AR Roots Graph，表明分别计算特征根和绘制特征根图形。选择如图5。图5 特征根表和特征根图形选择菜单特征根表和特征根图形分别如图6和图7图6特征根表图7特征根图由特征根表或图形可知，该VAR模型有一个单位根，说明模型是非稳定的。步骤四、最佳滞后期选择在VAR估计结果的窗口中，点击view快捷菜单，在view菜单下选择lag structure项，在lag structure子菜单下选择lag length criteria项，选择方法如图8.图8 最佳滞后期选择操作选择lag length criteria后，系统会提示设置显示的最长滞后期，如图9。图9滞后期设置点击确定后显示最佳滞后期计算结果，如图10。图10最佳滞后期计算结果最佳滞后期选择标准分别为LR、FPE、AIC、SC、HQ等，每个标准的含义在表下有解释。每个标准下的最佳滞后期都在数字的右上角加了*号。在本例中，多个标准都确定最佳滞后期是2期。步骤五、脉冲响应分析1.脉冲响应分析选项在VAR估计结果的窗口中，点击view快捷菜单，在view菜单下选择impulse response项，如图11。图11 脉冲响应分析eviews操作2.在脉冲响应显示方式（Display）中有多个选项，（1）显示形式。单选项分别是脉冲响应数据表、每个脉冲响应函数图、组合图。（2）响应函数的标准误。（3）显示的信息。包括脉冲函数和响应函数。本案例分别选择多个图型，脉冲序列和响应序列框中分别输入lngp,lnc