时间序列建模学习案例VAR模型解析总结计划及协整检验.docxVIP

时间序列建模案例 VAR模型分析与协整检验 的 量方法是以 理 基 来描述 量关系的模 型。但是， 理 通常并不足以 量之 的 系提供一个 密的 明，而且内生 量既可以出 在方程的左端又可以出 在方程 的右端使得估 和推断 得更加复 。 了解决 些 而出 了一 种用非 构性方法来建立各个 量之 关系的模型。 本章所要介 的 向量自回 模型 (vector autoregression，VAR) 和向量 差修正模型 (vector error correction model ，VEC) 就是非 构化的多方程模型。 向量自回 (VAR) 是基于数据的 性 建立模型， VAR 模型把 系 中每一个内生 量作 系 中所有内生 量的滞后 的函数来 构造模型，从而将 量自回 模型推广到由多元 序列 量 成 的“向量 ”自回 模型。 VAR 模型是 理多个相关 指 的分析与 最容易操作的模型之一，并且在一定的条件下，多元 MA 和 ARMA 模型也可 化成 VAR 模型，因此近年来 VAR 模型受到越来 越多的 工作者的重 。 VAR( p) 模型的数学表达式是 y t Φ y t 1 Φ y t p Hx t ε ?..,T 1 p t t=1,2, 其中： yt 是 k 内生 量列向量， xt 是 d 外生 量列向量， p 是滞后 数， T 是 本个数。 k k 矩 1，?， p 和 k d 矩 H 是待估 的系数矩 。 t 是 k 列向量， 它 相互之 可以同期相关，但不与自己的滞后 相关且不与等式右 的 量相关， 假  是 t 的 方差矩 ，是一个  (k k)的正定矩 。 注意，由于任何序列相关都可以通 增加更多的  yt  的滞后而被 消除，所以扰动项序列不相关的假设并不要求非常严格。 以 1952 一 1991 年对数的中国进、出口贸易总额序列为例介绍 VAR 模型分析，其中包括 ;① VAR 模型估计 ; ②VAR 模型滞后期的选 择;③ VAR 模型平隐性检验 ;④VAR 模型预侧 ;⑤协整性检验 VAR 模型佑计 数据 Lni( 进口贸易总额 ), ,Lne 的时间序列见图。 两个序列都是带有趋 势的非平稳序列，明显存在某种均衡关系，建立 VAR 模型的步骡如 下。 选择模型类型（ VAR Type ）： 无约束向量自回归（ Unrestricted V AR ）或者向量误差 修正（Vector Error Correction ）。无约束 VAR 模型是指 VAR 模型的 简化式。 在 Estimation Sample 编辑框中设置样本区间 输入滞后信息 在 Lag Intervals for Endogenous 编辑框中输入滞后信息，表明哪些滞后变量应该被包括在每个等式的右端。 这一信息应该成对输入：每一对数字描述一个滞后区间。例如，滞后对 1 2 表示用系统中所有内生变量的 1 阶到 4 阶滞后变量作为等式右端的变量。 也可以添加代表滞后区间的任意数字，但都要成对输 入。例如： 2 3 4 6 12 12 即为用 2― 3 阶， 4―6 阶及第 12 阶滞后变量。 (4) 在 Endogenous Variables 编辑栏中输入相应的内生变量 (5)在 Exogenous Variables 编辑栏中输入相应的外生变量 EViews 允许 VAR 模型中包含外生变量， 其余两个菜单（ Cointegration 和 Restrictions ）仅与 VEC 模型 有关，将在下面介绍。 结果如下： 估计量的标准差 回归系数估计量的 t 统计量 输出的第一部分显示的是每个方程的标准 OLS 回归统计量。根 据各自的残差分别计算每个方程的结果，并显示在对应的列中。 输出的第二部分显示的是 VAR 模型的回归统计量。 估计结果如下： 1. VAR 模型滞后期的选择，由下图知，确定建立 var （2 模型） VA R 模型平稳性检验 在 VAR 模型估计结果窗点击 View 键选 Lag Struckur, Ar roots Table 功能，即可得到 VAR 的全部特征根 ,若选 Lag Skruciure ， AR roots Graph 功能，即可得到单位圆曲线以及 VAR 模型全部特征根的位置图 ,共有 kp 个根，其中 k 是内生变量的个数， p 是最大滞后阶数。有以下两个可以看出， 有一个根在单位元外， 所以是不稳定的。 Inverse Roots of AR Characteristic Polynomial 1.5 1.0 0.5 0.0 -0.5 -1.0 -1.5 -1.5 -1.0 -0.5 0.0 0.