原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
8.3VAR模型中协整向量的估计与检验
8.3.1VAR模型中协整向量的估计
此估计方法由Johansen提出。假定条件是，ut∼IID(0,Ω)。实际中这个条件比较容易满
足。当ut中存在自相关时，只要在VAR模型中适当增加内生变量的滞后阶数，就能达到
u非自相关的要求。此估计方法为极大似然估计法。
t
给定VAR模型
Y=ΠY+ΠY+…+ΠY+ΦD+u,u∼IID(0,Ω)(8.60)
t1t-12t-1kt-kttt
其中Y是N×1阶列向量。D表示d×1阶确定项向量（d表示确定性变量个数）。用来描述常
tt
数项μ、时间趋势项t、季节虚拟变量（如果需要）和其他一些有必要设置的虚拟变量。Φ是
确定性变量Dt的N×d阶系数矩阵。其中每一行对应VAR模型中的一个方程。上式的向量
误差修正模型形式（推导过程见8.1.6节）是
ΔY=ΠY+ΓΔY+ΓΔY+…+ΓΔY+ΦD+u(8.61)
tt-11t-12t-2k-1t-(k-1)tt
其中
k
Γ=Π,j=1,2,…,k-1，
ji
i=j+1
k
Π=Γ-I=Π-I=Π+Π+…+Π-I，
0i12k
i=1
正确地估计协整参数矩阵β的秩r非常重要。若r被正确估计，则所有误差修正项都
是平稳的。那么模型(8.61)中的所有项都是平稳的。参数估计量具有一致性。任何或
低估r值都会给参数估计与推断带来错误。当低估r值时，将导致把余下的误差修正项并入
模型的随机误差项U。而r值将会把非协整向量带入协整参数矩阵中。N×1阶的ΠY
tt-k
将由I(0)项（协整向量与变量的积）和I(1)项（非协整向量与变量的积）混合而成，从而导
致回归参数估计量及其相应统计量的非正态性分布。当用t检验临界值进行显著性检验时就
会得出错误结论。
估计的第一步是用样本数据Yt,(t=-k+1,-k+2,…,0,1,2,…,T)确定协整参数矩阵
β的秩r。对于任何r≤N情形，模型(8.61)的零假设是
H0:rk(Π)≤r或Π=αβ(8.62)
其中α和β是N×r阶矩阵。注意，这一步只能估计r
文档评论（0）