VAR模型与协整.doc

VAR模型与协整 1. VAR（向量自回归）模型定义 2. VAR模型的特点 3. VAR模型稳定的条件 4. VAR模型滞后期的选择 5. 脉冲响应函数和方差分解 6. 格兰杰（Granger）非因果性检验 7. VAR模型与协整 8. VAR模型中协整向量的估计与检验 9. 案例分析 1980年Sims提出向量自回归模型（vector autoregressive model）。这种模型采用多方程联立的形式，它不以经济理论为基础。在模型的每一个方程中，内生变量对模型的全部内生变量的滞后项进行回归，从而估计全部内生变量的动态关系。 1. VAR（向量自回归）模型定义 以两个变量y1t，y2t滞后1期的VAR模型为例， y1, t = c1 + (11.1 y1, t-1 + (12.1 y2, t-1 + u1t y2, t = c2 + (21.1 y1, t-1 + (22.1 y2, t-1 + u2t 其中u1 t, u2 t ( IID (0, ( 2), Cov(u1 t, u2 t) = 0。写成矩阵形式是， =++ 设Yt =, c =, (1 =, ut =, 则， Yt = c + (1 Yt-1 + ut (1.3) 含有N个变量滞后k期的VAR模型表示如下： Yt = c + (1 Yt-1 + (2 Yt-2 + … + (k Yt-k + ut, ut ( IID (0, () 其中，Yt = (y1, t y2, t … yN, t)， c = (c1 c2 … cN) (j =, j = 1, 2, …, k ut = (u1 t u2,t … uN t), 不同方程对应的随机误差项之间可能存在相关。 因VAR模型中每个方程的右侧只含有内生变量的滞后项，他们与ut是渐近不相关的，所以可以用OLS法依次估计每一个方程，得到的参数估计量都具有一致性。 2. VAR模型的特点 （1）不以严格的经济理论为依据。 （2）VAR模型的解释变量中不包括任何当期变量。 （3）VAR模型对参数不施加零约束。 （4）VAR模型有相当多的参数需要估计。 （5）VAR模型预测方便、准确（附图）。 （6）可做格兰杰检验、脉冲响应分析、方差分析。 （7）西姆斯（Sims）认为VAR模型中的全部变量都是内生变量。近年来也有学者认为具有单向因果关系的变量，也可以作为外生变量加入VAR模型。 附： 图 油价与拟合值. VAR模型稳定的条件 对于VAR(1)， Yt = c + (1 Yt-1 + ut 模型稳定的条件是特征方程 |(1-( I |=0的根都在单位圆以内，或相反的自回归系数多项式特征方程|I–(1L|= 0的根都要在单位圆以外。 对于k1的VAR(k)模型可以通过矩阵变换改写成分块矩阵的VAR(1)模型形式。 Yt = C + A Yt -1 + Ut 模型稳定的条件是特征方程 |A-(I| =0的根都在单位圆以内，或其相反的特征方程 |I-AL|=0的全部根都在单位圆以外。 附：矩阵变换。给出k阶VAR模型， Yt = c + (1 Yt-1 + (2 Yt-2 + … + (k Yt-k + ut 再配上如下等式， Yt -1 = Yt -1 Yt -2 = Yt -2 … Yt-k+1 = Yt-k+1 把以上k个等式写成分块矩阵形式， =++ 其中每一个元素都表示一个向量或矩阵。上式可写为 Yt = C + A Yt -1 + Ut 附：VAR模型的特征根 4. VAR模型滞后期的选择 用F统计量选择k值。 用LR统计量选择k值。LR（似然比）统计量定义为， LR = - 2 (log L(k) - log L(k+1) ) ( 用赤池（Akaike）信息准则 (AIC) 选择k值。 AIC = -2+ 4．用施瓦茨（Schwartz）准则 (SC) 选择k值。 SC =-2+ 5．用Hannan-Quinn信息准则选择k值。 附：选择k值 评价结果是建立VAR(2)模型。 5. VAR模型的脉冲响应函数和方差分解 (1)脉冲响应函数: 对于任何一个VAR模型都可以表示成为一个无限阶的VMA(∞)过程。 Yt+s = Ut+s + (1Ut+s -1 + (2 Ut+s -2 + …+ (s Ut + … ( s = ( s中第i行第j列元素表示的是，令其它误差项在任何时期都不变的条件下，当第j个变量yj t对应的误差项uj t在t期受到一个单位的冲击后，对第i个内生变