番茄花园-第二部分时间序列分析学习资料.pptVIP

第二部分 时间序列分析;内容安排;1953—1997年我国gp,cp,ip;1953—1997年我国rgp,rcp,rip;一、向量自回归模型定义;产生的问题是什么?无法捕捉两个变量之间的关系解决办法:建立两个变量之间的关系;上述方程可以用OLS估计吗?;VAR模型的特点：;估计VAR的EVIEW操作;二、VAR的稳定性;2、VAR 模型;例：N=1，k=1时的VAR模型;3、VAR模型稳定性的另一判别法;注意的问题;4、K1的VAR模型稳定性;;VAR模型的稳定性要求A的全部特征值，即特征方程|A-?I|=0的全部根必须在单位圆以内或者相反的特征方程|I-LA|=0的全部根必须在单位圆以外。注意：特征方程中的A是Nk?Nk阶的。特征方程中的I也是Nk?Nk阶的 ;5、VAR稳定性的EVIEW操作;6、VAR模型的稳定性特征;假定模型是稳定的，将有如下3个结论;三、VAR模型滞后期k的选择 ;2、用赤池（Akaike）信息准则 (AIC) 选择k值。;例;VAR滞后期的EVIEW操作;四、VAR模型的脉冲响应函数和方差分解 ;;对上述脉冲响应函数的解释存在的问题是什么?;Cholesky分解;VAR模型残差序列及其方差、协方差矩阵的EVIEW求法。 ;脉冲响应的EViews操作 ;Display菜单提供下列选项 ; Impulse Definition菜单提供了转换脉冲的选项;2、方差分解;方差分解的EViews操作;五、格兰杰非因果性检验 ;VAR 模型中以yt为被解释变量的方程表示如下： 检验xt对yt存在格兰杰非因果性的零假设是 H0:?1=?2=…=?k=0 上述检验用F统计量来完成 用样本计算的F值如果落在临界值以内，接受原假设，即xt 对yt不存在格兰杰因果关系。;Grange因果性检验EViews操作方法;输出结果对于VAR模型中的每一个方程，将输出每一个其他内生变量的滞后项(不包括它本身的滞后项)联合显著的?2(Wald)统计量，在表的最后一行(ALL)列出了检验所有滞后内生变量联合显著的?2统计量。对例进行检验，其结果如下：;注意的问题：;六、VAR与协整;1、VEC的推导;对于k阶VAR模型， Yt=?1Yt-1+?2Yt-2+…+?kYt-k+ut， 利用k=1, 2, 3的VAR模型的推导规律，其向量误差修正模型（VEC）的表达式是 ?Yt=(?1+?2+…+?k-I)Yt-1-(?2+?3+…+?k) ?Yt-1-(?3+…+?k)?Yt-2-…-?k?Yt-(k-1)+ut;由于I(1)过程经过差分变换将变成I(0)过程，即式中的ΔytΔyt–j(j=1，2，…，p) 都是I(0)变量构成???向量，那么只要 ? yt-1 是I(0)的向量，即y1t-1y2,t-1…,ykt-1 之间具有协整关系，就能保证Δyt是平稳过程。变量y1,t-1，y2,t-1，…，yk,t-1 之间是否具有协整关系主要依赖于矩阵 ?的秩。 若Yt ? CI(1, 1) ，则? = ? ?’ 其中?是协整矩阵，? 是调整系数矩阵。? 和? 都是N?r阶矩阵。表示有r个协整向量，?1, ?2 … , ?r，存在r个协整关系。因为Yt?I(1)，所以 ?Yt ? I(0)。 ;对于?Yt-k有如下三种可能:;例 k=0的VEC模型;rank(?)=0时，任意形式的? 通过适当线性变换，可以得到 ? = 0。 ?Yt = ut 说明Yt中含有一个单位根。VAR模型中没有协整向量。 ;例：设三个变量的k = 1的VEC;2、VAR模型中协整向量的估计;将?的分解表达式代入到上式有 ;3、Johnson检验的基本原理;检验方法;根据右边假设检验，大于临界值拒绝原假设。继续检验的过程可归纳为如下的序贯过程： ?1临界值，接受H10，表明只有1个协整向量； ?1临界值，拒绝H10，表明至少有2个协整向量； ┇ ?r临界值，接受Hr0，表明只有 r 个协整向量。 ;2）最大特征值检验 ;检验从下往上进行，首先检验?0 ，如果 ?0临界值，接受H00 ，无协整向量； ?0临界值，拒绝H00 ，至少有1个协整向量。 接受H00 (r = 0)，表明最大特征根为0，无协整向量，否则接受H01，至少有1个协整向量；如果 ?1 显著，拒绝H10，接受至少有2个协整向量的备择假设H11；依次进行下去，直到接受Hr0，共有 r 个协整向量。 ;4、协整方程的形式; (3) VAR模型有确定性线性趋势，但协整方程只有截距： ;5、协整检验的ＥＶＩＥＷＳ操作;1） 协整检验的设定;2）协整检验结果的解释;协整关系;6、VEC模型在EViews软件; ① 常数或线性趋势项不应包括在Exogenous Series