第09章__向量自回归模型.pptVIP

脉冲响应函数描述的是VAR模型中的一个内生变量的冲击给其他内生变量所带来的影响。而方差分解(variance decomposition)是通过分析每一个结构冲击对内生变量变化(通常用方差来度量)的贡献度，进一步评价不同结构冲击的重要性。因此，方差分解给出对VAR模型中的变量产生影响的每个随机扰动的相对重要性的信息。其基本思想如下所述。 9.5 方差分解 脉冲响应函数是随着时间的推移，观察模型中的各变量对于冲击是如何反应的，然而对于只是要简单地说明变量间的影响关系又稍稍过细了一些。因此，Sims于1980年依据VMA(∞)表示，提出了方差分解方法，定量地但是相当粗糙地把握变量间的影响关系。其思路如下：根据式(9.4.8) 可知括号中的各项内容是第 j 个扰动项 ?j 从无限过去到现在时点对 yi 影响的总和。求其方差，假定 ?j 无序列相关，则 (9.5.1) 这是把第 j 个扰动项对第 i 个变量从无限过去到现在时点的影响，用方差加以评价的结果。此处还假定扰动项向量的协方差矩阵 ? 是对角矩阵，则 yi 的方差是上述方差的 k 项简单和： (9.5.2) (9.5.3) yi 的方差可以分解成 k 种不相关的影响，因此为了测定各个扰动项相对 yi 的方差有多大程度的贡献，定义了如下尺度： (9.5.4) 即相对方差贡献率(relative variance contribution，RVC)是根据第 j 个变量基于冲击的方差对 yi 的方差的相对贡献度来观测第 j 个变量对第 i 个变量的影响。 实际上，不可能用直到 s = ∞ 的项和来评价。如果模型满足平稳性条件，则随着 q 的增大呈几何级数性的衰减，所以只需取有限的s项。VAR(p) 模型的前 s 期的预测误差是 可得近似的相对方差贡献率(RVC)： (9.5.5) 如果 大时，意味着第j个变量对第i个变量的影响大，相反地， 小时，可以认为第j个变量对第i个变量的影响小。 方差分解在EViews软件中的实现 为了得到VAR的方差分解，从VAR的工具栏中选View/Variance decomposition项。注意，因为非正交的因子分解所产生的分解不具有较好的性质，所以所选的因子分解仅限于正交的因子分解。 例9.4分析了钢铁销售收入对下游相关行业冲击变化的响应。本例中将利用方差分析的基本思想分析各下游行业对钢铁行业变动的贡献程度。数据的处理和例9.4一样，可得到如下的结果，各图中横轴表示滞后期间数（单位：月度），纵轴表示该行业需求对钢材需求的贡献率（单位：百分数）。数值越大，对钢材需求的影响越大。 例9.6 下游相关行业对钢铁行业变化的贡献程度 y1：钢材； y2：建材； y3：汽车； y4：机械； y5：家电 第二列S.E.是每个预测水平上的变量的预测误差。其余列显示了每个变量扰动项所引起的预测方差所占的百分数，每行加起来是100。 从上面4个图和表中可以看出，不考虑钢铁行业自身的贡献率，建材行业对钢铁行业的贡献率最大达到49% (RVC2?1 (36) = 49%)，其次是汽车行业，其对钢铁行业的贡献率是逐渐增加的，在第36期达到20%左右 (RVC3?1 (36) =20.03%)，机械行业和家电行业的贡献率较小，分别为8%和6%左右。 第5章5.4节介绍的协整检验和误差修正模型主要是针对单方程而言，本节将推广到VAR模型。而且前面所介绍的协整检验是基于回归的残差序列进行检验，本节介绍的Johansen协整检验基于回归系数的协整检验，有时也称为JJ(Johansen-Juselius)检验。 虽然ADF检验比较容易实现，但其检验方式存在一定欠缺性——在第一阶段需要设计线性模型进行OLS估计，应用不方便。Johansen在1988年及在1990年与Juselius一起提出的一种以VAR模型为基础的检验回归系数的方法，是一种进行多变量协整检验的较好的方法。 9.6 Johansen协整检验 这时，判断Granger原因的直接方法是利用F-检验来检验下述联合检验： H0 : H1 : 至少存在一个 q 使得 其统计量为 (9.3.6) 如果S1大于F的临界值，则拒绝原假设；否则接受原假设：x 不能Granger引起 y。 RSS0是不含x的滞后变量的残差平方和；RSS1是(