VAR模型解析总结计划.docx

第 5 章 VAR 模型分析 5．1 引论 考虑简单的二维系统，如果没有充分的理由确定变量是 否为外生变量的情况下，可以认为两变量具有反馈关系。假 设 yt 的时间路径受 zt 的现期值与过去值影响， zt 的时间路径受 yt 的现期值与过去值影响： yt b10 b12 zt 11 yt 1 12 zt 1 yt （ 5.1.1） zt b20 b21 yt 21 yt 1 22 zt 1 zt 这里假设：（ 1） yt , zt 是平稳的；（ 2） yt , zt  5.1.2） 是白噪声扰动， 标准差分别为 y , z ；（ 3） { yt },{ zt } 是不相关的。 方程（ 5.1.1），（ 5.1.2）构成了一阶向量自回归 (VAR) 。 方程（ 5.1.1），(5.1.2) 称为结构式 VAR ，简记为 SVAR, 。这个 系统反映了 yt , zt 之间的相互反馈。如， b12 是 zt 变化一个 单位对 yt 的当期影响， 12 是 zt 1 变化一个单位对 yt 的影响。注意： yt 和 zt 分别是对 yt 和 zt 的更新（或冲击） 。当然，若 b21 不为零， yt 对zt 有间接的当期影响，如， b12 不为零， zt 对 yt 有间接当期影响。这样的系统可以捕捉反馈影响。 方程（ 5.1.1），（5.1.2）不是导出型 (约化型 ) 方程，因为， yt 对 zt 有当期影响，且 zt 对 yt 有当期影响。但可以将这方程系 统转化成一个更便于应用的形式。我们可将这系统写成下面 形式 1 b12 yt b10 11 12 yt 1 yt b21 1 zt b20 21 22 zt 1 zt 或 BX t 0 1 X t 1 t （ 5.1.3） 这是 1 b12 , X t yt ， 0 b10 ， 1 11 12 yt B 1 zt b20 ， t b21 21 22 zt 前乘 B 1 可得到标准形式的 VAR X t A0 A1 X t 1 et 这里A B1 0 ,A B1 , e B 1 t 0 1 1 t 定义 ai 0 是向量 A0 的第 i 个元素，aij 是矩阵 A1 中的 i 行 j 列元 素， eit 是向量 et 中的第 i 个元素，则（ 5.1.3）可写为 yt a10 a11 yt 1 a12 zt 1 e1t （5.1.4） zt a20 a21 yt 1 a22 zt 1 e2t （ 5.1.5） 方程（5.1.4），(5.1.5)称为标准型的 VAR 。这时误差项 e1t 和 e2t 是 两个冲击 yt , zt 的组合。由 et B 1 t ,可计算 e1t , e2t 如下 : e1t ( e2t (  yt b12 zt ) /(1 b12b21 ) (5.1.6) zt b21 yt ) /(1 b12 b21 ) (5.1.7) 由于 yt , zt 是白噪声过程，所以， Ee1t 0 Ee12t ( y2 b122 z2 )/(1 b12b21)2 Ee e i E[( yt b )( yt i b )] /(1 b b )2 0 1t 1t 12 zt 12 zt i 12 21 因此， e1t 是序列无关的， e2t 也是序列无关的，且分别有零均 值,常量方差。冲击 e1t , e2t 的协方差矩阵为 Var (e1t )  cov(e1t  , e2t ) cov(e1t  ,e2t )  Var(e2t ) 由于 Ee e E[( yt b )( zt b yt )](1 b b )2 1t 2t 12 zt 21 12 21 2 b12 2 ) /(1 b12 b21 ) 2 (b21 y z （ 5.1.7） 一般来说（ 5.1.7）不为零，所以 e1t ,e2t 是序列相关的， 即两个冲击是相关的。 当 b12 b21 0 时（即 yt 对 zt 没有当期影响， z 对 y 也没有当期影响） ， e ,e 是序列不相关的。 tt 1t 2t 由于 中所有元素都与时间 t 无关，所以可写成如下 2 1 12 2 21 2 5 ． 2 估计和识别 考虑下面多维自回归过程 X t A0 A1 X t 1 A2 X t 2 Ap X t p et （ 5.2.1） 这里 X t 是 n 1 向量， A0是 n 1 截距向量， Ai是n n 系数矩阵， et 是n 1 误差向量。 矩阵 A0 含有 n 个参数，每个 Ai 都含有 n 2 个参数，所以， 有 n pn2 个参数需要估计。通常，这些估计的参数中的许多是不显著的， VAR