计量经装济学4.pptVIP

中国人民大学学位办 学科建设 计量经济学中国人民大学统计学院易丹辉 二○ 一○年九月 九、向量自回归过程（vector autoregressive process） 向量自回归过程简称VAR过程，是分析多变量时间序列的有力工具。 （一）传统的向量自回归模型 1. 模型 VAR(p)模型表示为 其中， 是n维变量序列， （i = 1,2, ...... ,p）为n n维模型系数矩阵，{ }为n维独立同分布随机向量，E（ ）= 0 ，D（ ）= 。 十、Penal Data 模型 （一）问题的提出 数据的特点 回归模型 截面数据：研究不同个体之间的关系和规律 时序模型 时间数据：研究同一个体不同时间变化规律 实际数据不满足回归的要求 实际数据时间过短 * * = + + ...... + + 2. 互相关函数 协方差矩阵 设 = [ , , ... , ], (t = 0 , 1, 2 , ... ) 为n维联合平稳实向量过程. 对于每一个分量序列 ( i = 1, 2, ... , n ) ,其均值E( ) = 是常数, 对于每一个分量序列 和 ( i = 1, 2, ... , n ; j = 1, 2, ... , n)之间的互协方差仅与时间间隔 (k = t - s)有关,是时间间隔k的函数. 可以得到均值 E( ) = = 和协方差矩阵 (k) = Cov( , ) = E [( -- ) ( -- ] = Cov( , ) = E ( - )( - ) = E ( - )( - ) 记 k = 0 , 1 , 2 , ... ; i = 1 , 2 , ... , n ; j = 1 , 2 , ... , n . 当i = j时, 是i个分量的自相关函数; 当i j时, 是 和 之间的互协方差函数. （2）互相关函数 和 之间的互相关函数可以表示为 = 3. 模型识别 对模型阶数p作出选择 （1）阶数的初选 阶数p的初选，通常可以借助序列间的互相关函数进行。 阶数p要足够大，以完整反映变量之间的动态特征； p不宜过大，模型待估计参数增多，自由度减少，没有足够的样本数目时，可能导致参数不能得到正确有效的估计。 和普通线性回归一样，一个待估计参数，一般来说，至少需要10个观测期的数据。 （2）利用评价指标确认 利用初选的阶数p可以构建VAR模型，参数估计后，可以利用几个评价指标帮助判断合适的阶数 1） LR检验（似然比检验） ：附加约束是正确的 服从自由度为M的分布 2）最终预测误差FPE（Final prediction error ） 其中， 是滞后p期时模型残差的方差估计， n是样本量，k是待估计参数的个数 。 FPE（p）= 3）AIC（Akaike inof criterion） 准则 其中：∣∣指VAR(p) 模型残差的协方差阵的行列式；n是有效的观测数目；m是变量序列的数目；p是阶数 4）SC（Schwarz criterion）准则 5）HQ（Hannan-Quinn criterion）准则 其中：L是似然函数，k是待估计参数的个数，其它符号意义同上 AIC=log∣ ∣+2m2p/n，p=1, …, k SC=log∣ ∣+（logn） ，p=1, …, k ∣+（logn） HQ = （四） 模型检验 向量自回归模型是否合适,需要进行检验, 即检验模型的残差序列是否为白噪声. (五) VAR系统平稳性检验 多变量序列的平稳性可以通过对每个序列 进行单位根检验,也可以对模型系统检验 AR特征多项式系数