计量经济学第九章向量自回归和误差修正模型.ppt

1. 短期约束 短期约束通常直接施加在矩阵 D0 上，表示经济变量对结构冲击的同期响应，常见的可识别约束是简单的0约束排除方法。 （1）通过Cholesky-分解建立递归形式的短期约束 Sims提出使 D0 矩阵的上三角为0的约束方法，这是一个简单的对协方差矩阵 ? 的Cholesky-分解。 例9.2 基于SVAR模型的货币政策效应的实证分析 例9.1使用了VAR模型验证利率和货币供给的冲击对经济波动的影响，但是其缺点是不能刻画变量之间的同期相关关系，而这种同期相关关系隐藏在扰动项变动中，因此可以通过本节介绍的SVAR模型来识别，这就涉及对模型施加约束的问题。首先建立3变量的AB型SVAR(3)模型，其A、B矩阵的形式如下： (9.2.13) 其中变量和参数矩阵为 其中?t 是VAR模型的扰动项，u1t 、u2t 和 u3t 分别表示作用在实际利率 rr、?ln(m1) 和 ?ln(gdp) 上的结构式冲击，即结构式扰动项，ut ~ VWN( 0k，Ik )。 一般而言，简化式扰动项 ?t 是结构式扰动项 ut 的线性组合，因此代表一种复合冲击。 模型中有3个内生变量，因此至少需要施加2k2? k (k+1)/2=12个约束才能使得SVAR模型满足可识别条件。本例中约束B矩阵是单位矩阵，A矩阵对角线元素为1，相当于施加了k2+ k个约束条件。根据经济理论，本例再施加如下两个约束条件：(1) 实际利率对当期货币供给量的变化没有反应，即a12=0；(2) 实际利率对当期GDP的变化没有反应，即a13=0。 则 A 变为： 2. 长期约束 关于长期约束的概念最早是由Blanchard 和 Quah在1989年提出的，是为了识别模型供给冲击对产出的长期影响。施加在结构VMA(∞)模型的系数矩阵 Di (i=1，2，…)上的约束通常称为长期约束。最常见的长期约束的形式是对 ? i?= 0 Di 的第 i 行第 j 列元素施加约束，典型的是 0 约束形式，表示第 i 个变量对第 j 个变量的累积乘数影响为 0。 关于长期约束更详细的说明及其经济含义可参考9.4节的脉冲响应函数。 在EViews中如何估计SVAR模型 在VAR估计窗口中选择：Procs/Estimate Structural Factorization 即可。下面对这一操作进行详细说明： 假设在EViews中SVAR模型为： (9.8.3) 其中et，ut是k维向量，et是简化式的残差，相当于前文的?t，而 ut 是结构新息(结构式残差)。A、B是待估计的k ? k矩阵。简化式残差et的协方差矩阵为 1. 用矩阵模式表示的短期约束 在许多问题中，对于A、B矩阵的可识别约束是简单的排除0约束。在这种情况下，可以通过创建矩阵指定A、B的约束，矩阵中想估计的未知元素定义为缺省值NA，在矩阵中所有非缺省的值被固定为某一指定的值。 例如：对于例9.2，(9.2.14)的简化式扰动项和结构式扰动项的关系为?t = A-1 ut ，即 A?t = ut ，对于k = 3个变量的SVAR模型，其矩阵模式可定义为： 一旦创建了矩阵，从VAR对象窗口的菜单中选择Procs/Estimate Structural Factorization，在下图所示的SVAR Options的对话框中，击中Matrix按钮和Short-Run Pattern按钮，并在相应的编辑框中填入模版矩阵的名字。 2. 用文本形式表示的短期约束 对于更一般的约束，可用文本形式指定可识别的约束。在文本形式中，以一系列的方程表示关系： Aet = But 并用特殊的记号识别 et 和 ut 向量中的每一个元素。A、B矩阵中被估计的元素必须是系数向量中被指定的元素。 例如：像上例所假定的一样，对于有3个变量的VAR模型，约束A矩阵为B0矩阵，B矩阵是一对角矩阵。在这些约束条件下， Aet = ut 的关系式可以写为下