EViews统计分析基础教程 第11章 VAR模型和VEC模型 .pdf

EViews统计分析基础教程 第11章 VAR模型和VEC模型 重点内容： • 向量自回归理论 • VAR模型的建立 • Johansen协整检验 • VEC模型的建立 EViews统计分析基础教程 一、向量自回归（VAR）模型 1.向量自回归理论 向量自回归模型可以用来预测相关联的经济时间序列系统， 并分析随机扰动对变量系统的动态冲击，进一步解释经济冲 击对经济变量所产生的影响。 滞后阶数为p 的VAR模型表达式为 y t=A 1 y t-1 +A2 yt-2 +…+ Ap yt-p+B xt + μt 其中，y t 为k维内生变量向量；xt 为d维外生变量向量；μt是k 维误差向量A 1 ，A2 ，…，Ap ，B是待估系数矩阵。 EViews统计分析基础教程 一、向量自回归（VAR）模型 1.向量自回归理论 滞后阶数为p 的VAR模型表达式还可以表述为 即 上式称为非限制性向量自回归（Unrestricted VAR ）模型， 是滞后算子L 的k ╳ k 的参数矩阵。 当行列式det[A (L)]的根都在单位圆外时，不含外生变量的非 限制性向量自回归模型才满足平稳性条件。 EViews统计分析基础教程 一、向量自回归（VAR）模型 2.结构VAR模型（SVAR） 结构VAR是指在模型中加入了内生变量的当期值，即解释 变量中含有当期变量，这是与VAR模型的不同之处。 下面以两变量SVAR模型为例进行说明。 xt=b10 + b12zt + γ11xt-1 + γ12 zt-1 + μxt zt=b20 + b21xt + γ21xt-1 + γ22 zt-1 + μzt 这是滞后阶数p =1的SVAR模型。其中，xt和zt 均是平稳随机 过程；随机误差项μxt和μzt是白噪声序列，并且它们之间不 相关。系数b12表示变量的zt 的变化对变量xt的影响；γ21表示 xt-1 的变化对zt 的滞后影响。该模型同样可以用如下向量形式 表达，即 B0 y t=0 +1 y t-1 + μt EViews统计分析基础教程 一、向量自回归（VAR）模型 3. VAR模型的建立 选择“Quick”|“Estimate VAR…”选项，将会弹出下图所示的 对话框。 该对话框包括三个选项卡，分别是“Basics” 、“Cointegration” 和“VEC Restrictions” ， 后两个选项卡在VEC模型操 作中使用。系统默认是“Basics” 选项卡。。 EViews统计分析基础教程 一、向量自回归（VAR）模型 3. VAR模型的建立 在“VAR Type” 中有两个选项： •“Unrestricted VAR”建立的是无约束的向量自回归模型，即 VAR模型的简化式； •“Vector Error Correction”建立的是误差修正模型。 “Estimation Sample”的编辑框中输入的是样本区间，当工 作文件建立好后，系统会自动给出样本区间。 “Endogenous Variables” 中输入的是内生变量。 “Exogenous Variables” 中输入的是外生变量，系统默认情 况下将常数项c作为外生变量。 “Lag Intervals for Endogenous” 中指定滞后区间 EViews统计分析基础教程 一、向量自回归（VAR）模型 4. VAR模型的检验 VAR模型的滞后结构检验 （1 ）AR根的图与表 如果VAR模型所有根模的倒数都小于1，即都在单位圆内， 则该模型是稳定的；如果VAR模型所有根模的倒数都大于 1，即都在单位圆外，则该模型是不稳定的。如果被估计的 VAR模型不稳定，则得到的结果有些是无效