实验12 向量自回归模型.docVIP

PAGE PAGE 15 实验12 向量自回归模型 【实验目的】通过本实验，使学生掌握向量自回归模型(VAR)的分析方法；能够较熟练利用Eviews,以及实际数据，针对现实问题进行向量自回归模型(VAR)分析。 【实验内容】根据中国GDP、宏观消费与基本建设投资等实际数据，建立向量自回归模型，并根据建立的模型进行分析。具体内容为： (1) VAR模型估计。 (2) VAR模型最佳滞后期的选择。 (3) VAR模型的稳定性检验。 (4) VAR模型残差检验。 (5) Granger因果性检验。 (6) 脉冲响应分析。 (7) 协整性检验。 (8) 建立VEC(向量误差修正)模型。 【实验步骤】 步骤一、数据处理 原始数据为国内生产总值GDP、消费总量CONS、基本建设投资INVES。 2. 为消除通货膨胀的影响，用价格指数进行调节，选择了定基价格指数（1997=1），并用三个时间序列分别除以价格指数，调整之后的序列分别命名为GDPP，CONSP，INVESP。 3．三个数据变动幅度较大，为了减少可能存在的异方差性和自相关性影响，对三个序列取对数，取对数的数据序列分别命名为LNGP，LNCP和LNIP。数据如图1 图1 LNGP，LNCP和LNIP数据图 步骤二、建立VAR模型 1．在work file文档界面下，点击快捷键quick，会出现quick菜单，在quick菜单中选择估计VAR（estimate VAR）项，选择方法如图2。 图2 估计VAR选择方法 2．VAR模型设置。在VAR模型设置选项中（basics），有五个基本选项， （1）VAR类型（VAR Type）。包含无约束无约束VAR（Unrestricted VAR）和向量误差修正模型（Vector Erroe Correc）两个选项。本实验选择在VAR类型（VAR Type）选择无约束VAR（Unrestricted VAR）。 （2）样本时间范围。设定样本数据的时间范围。本实验选择1953年到1997年。 （3）模型中包含的内生变量（Endogenous Variables）。VAR模型包含的内生变量。本例在内生变量中（Endogenous Variables）输入Lngp，lncp，lnip）。 （4）内生变量滞后期区间（lag intervals for Endogenous ）。设置VAR模型中各变量的滞后区间。本案例在变量滞后期框中输入“1 3”，表明建立的模型最大滞后期是3期。 （5）外生变量（Exogenous Variables）。VAR模型中包含的外生变量。在外生变量框中（Exogenous Variables）输入常数项C。 设置结果如图3 图3 var模型设置 点击确定后输出的结果如图4。 图4 VAR估计结果 写出其中一个估计的方程为： LNGPt=1.817LNGPt-1-0.27LNCPt-1-1.992LNGPt-2+1.223LNCPt-2+0.884LNGPt-3-0.493LNCPt-3 （4.545） （-0.744） （-3.789） （2.468） （1.928） （-1.167） 步骤三、模型稳定性检验 在VAR估计结果的窗口中，点击view快捷菜单，在view菜单下选择 lag structure项，在lag structure子菜单下可分别选择 AR Roots Table和AR Roots Graph，表明分别计算特征根和绘制特征根图形。选择如图5。 图5 特征根表和特征根图形选择菜单 特征根表和特征根图形分别如图6和图7 图6 特征根表 图7 特征根图 由特征根表或图形可知，该VAR模型有一个单位根，说明模型是非稳定的。 步骤四、最佳滞后期选择 在VAR估计结果的窗口中，点击view快捷菜单，在view菜单下选择 lag structure项，在lag structure子菜单下选择lag length criteria项，选择方法如图8. 图8 最佳滞后期选择操作 选择 lag length criteria后，系统会提示设置显示的最长滞后期，如图9。 图9 滞后期设置 点击确定后显示最佳滞后期计算结果，如图10。 图10 最佳滞后期计算结果 最佳滞后期选择标准分别为LR、FPE、AIC、SC、HQ等，每个标准的含义在表下有解释。每个标准下的最佳滞后期都在数字的右上角加了*号。在本例中，多个标准都确定最佳滞后期是2期。 步骤五、脉冲响应分析 1.脉冲响应分析选项 在VAR估计结果的窗口中，点击view快捷菜单，在view菜单下选择impulse response项，如图11。 图11 脉冲响应