VECM案例分析（2020年9月）（1）.pptxVIP

学 海 无 涯 1 VECM 模型的具体构建步骤 VECM 模型的具体运用主要包括以下几个步骤： 1、序列的单位根检验 与 VAR 模型不同，VECM 模型是针对非平稳序列而言的。因此在进行协整检验和运用 VECM 前需进行单位根检验。 2、协整检验 协整检验关键是协整形式和滞后阶数的选择。 3、VECM 模型的估计 若存在协整关系，就可以建立相对应的 VECM 模型，进行估计了。 4、VECM 模型的残差检验 残差检验与 VAR 模型类似，包括残差的独立性检验。 5、VECM 模型的应用 VECM 模型的应用与 VAR 模型类似，包括预测、脉冲响应与方差分解。;学 海 无 涯 ;学 海 无 涯 观察CPI、上证指数、Shibor 的图形。;4;学 海 无 涯 Series: LCPI LINDEX LM SHIBOR Lags interval (in first differences): 1 to 1;学 海 无 涯 ;学 海 无 涯 ;学 海 无 涯 ;学 海 无 涯 ;学 海 无 涯 与 VAR 模型类似，VECM 模型的估计窗口中无直接预测的命令。要对VECM 模型进行 预测，需由估计的VECM 模型建立Model 得到。点击proc/make model，打开model 窗 口，在 VECM 方程下编辑命令： Assign @all _f 表示对所有的变量的预测值名后加上后缀名_f。各变量采用确定模拟中动态方案预测 的结果对比图如下。;学 海 无 涯 在 VAR 估计的窗口，点击view/impulse response…查看脉冲响应函数。选择 combined graphs 可以得到脉冲响应的组合图显示结果。;学 海 无 涯 ;学 海 无 涯 D(LINDEX) = A(2,1)*(B(1,1)*LCPI(-1) + B(1,2)*LINDEX(-1) + B(1,3)*LM(-1) + B(1,4)*SHIBOR(-1) + B(1,5)) + C(2,1)*D(LCPI(-1)) + C(2,2)*D(LINDEX(-1)) + C(2,3)*D(LM(-1)) + C(2,4)*D(SHIBOR(-1)) + C(2,5) D(LM) = A(3,1)*(B(1,1)*LCPI(-1) + B(1,2)*LINDEX(-1) + B(1,3)*LM(-1) + B(1,4)*SHIBOR(-1) + B(1,5)) + C(3,1)*D(LCPI(-1)) + C(3,2)*D(LINDEX(-1)) + C(3,3)*D(LM(-1)) + C(3,4)*D(SHIBOR(-1)) + C(3,5) D(SHIBOR) = A(4,1)*(B(1,1)*LCPI(-1) + B(1,2)*LINDEX(-1) + B(1,3)*LM(-1) + B(1,4)*SHIBOR(-1) + B(1,5)) + C(4,1)*D(LCPI(-1)) + C(4,2)*D(LINDEX(-1)) + C(4,3)*D(LM(-1)) + C(4,4)*D(SHIBOR(-1)) + C(4,5) 如在协整方程中货币供给量（lm）不显著，可以剔除lm 后重新估计VECM 方程。从 上面的方程可以看出，lm 对应的回归系数为b(1,3)，因此在 VECM 估计窗口中点击VEC restrictions，输入b(1,3)=0，得到新的 VECM 估计方程如下。;学 海 无 涯 ;学 ??? 无 涯