您查询的关键词是:vec 以下是该网页在北京时间 2017年07月08日 02:40:06 的快照;

如果打开速度慢,可以尝试快速版;如果想更新或删除快照,可以投诉快照

百度和网页 http://wenku.baidu.com/view/d7b16d8b6f1aff00bed51ef6.html 的作者无关,不对其内容负责。百度快照谨为网络故障时之索引,不代表被搜索网站的即时页面。
VAR模型和VEC模型_图文_百度文库

VAR模型和VEC模型_数学_自然科学_专业资料

暂无评价|0人阅读|0次下载|举报文档

VAR模型和VEC模型_数学_自然科学_专业资料。王中昭制作 主要内容 一、VAR模型 二、实例分析 三、VECM模型 王中昭制作 一、VAR模型 ? 西姆斯(Sims)1970年提出了VAR(Vector Autoregressive)


王中昭制作 主要内容 一、VAR模型 二、实例分析 三、VECM模型 王中昭制作 一、VAR模型 ? 西姆斯(Sims)1970年提出了VAR(Vector Autoregressive)模型(向量自回归模型)。在VAR 模型中,没有内生变量和外生变量之分,而是所有 的变量都被看作内生变量,初始对模型系数不施加 任何约束,即每个方程都有相同的解释变量——所 有被解释变量若干期的滞后值。 ? VAR模型在涉及到多变量并且有相互制约和影响的 经济分析中都是一个强有力的分析工具,特别是在 联立方程的预测能力受到质疑的时候,这种模型的 提出在预测方面和脉冲响应分析方面均显示出较大 的优势。 王中昭制作 (一)、VAR模型的形式 ? 在一个含有n个方程(即n个被解释变量)的VAR 模型中,每个被解释变量都对自身以及其它被解 释变量的若干期滞后值回归,若令滞后阶数为k, 则VAR模型的一般形式可用下式表示: Zt ? ? AiZt ? i ? Vt i ?1 k 其中,Zt 表示由第t期观测值构成的n维列向量,Ai Vt 是由随机误差项构成的n维列向量, 为系数矩阵, 其中随机误差项 (i=1,2,…n )为白噪声过程。 vi 王中昭制作 ?为便于直观理解,假定n=2,k=2,则VAR模型可写 成: Y1t ? ? 10 ? ? 11Y1,t-1 ? ?12Y1,t-2 ? ?11Y2,t-1 ? ?12 Y2,t-2 +v1t ? ? ? ? ? ? ? ? Y2t ? ? 20 ? ? 21Y2,t-1 ? ? 22Y2,t-2 ? ? 21Y1,t-1 ? ? 22 Y1,t-2 +v2t 即被解释变量分别对自身以及对方的2阶滞后值回归。 模型的特点: 1、每个变量Yt都是内生变量。 2、方程等号右边的解释变量都是滞后变量。 3、每个方程的解释变量都相同。 4、Yt的动态结构由它的k阶滞后就可以刻划出来,K 期之前的变量对Yt无影响。 5、随机误差项是白噪声过程。 VAR模型是由内生变量的动态结构来描述的,不需 要关于变量之间的相互关系的先验理论假设。 王中昭制作 (二)、VAR模型的识别、估计和预测 1、VAR模型的识别(滞后期的确定) 前面提到,建立VAR模型的一个难点就是 确定滞后项数。通常理论知识给出滞后项 数的一个大致范围,例如货币政策的时滞 一般为6-12个月,因此若应用VAR模型对 货币政策效应进行分析时,如果是月度数 据我们就可以确定滞后阶数应小于12。如 果要具体得确定滞后项数,就需要用到其 它的一些方法,下面我们将介绍其中的几 种方法: 王中昭制作 2、VAR模型的识别 常用方法有似然比方法和信息准则法。下面只介绍信息 准则法。 2k? ? ? Akaike 信息准则:AIC= log ? ? T k? ? ? Schwartz 信息准则: SC= log ? ? T log T ? ? 其中,? 代表由估计残差的方差和协方差组成的矩阵 的行列式,T代表样本容量, k ? 表示的是所有方程中回 归项的个数(包括常数项)。例如,对于一个含有a个 方程,滞后项数为b的VAR模型, k?=a 2 b ? a 。 检验的方法是主观地定出滞后期上限Q,对滞后长度b=1,2,…,Q, 分别求出AIC和SC,则对应的AIC和SC的同时最小值(不是取绝对 值)即为滞后期b(以模型总的AIC和SC为判断标准,不是以单个 方程的AIC和SC),可以进一步结合模型统计检验来确定b。此法 有一定的主观性。 王中昭制作 利用实例(al3.wf1)数据各种滞后 期的AIC和SC值。 1 39.59 2 39.42 3 39.13 4 38.95 5 38.58 6 38.09 滞后期 类型 AIC SC 40.09 40.31 40.41 40.63 40.67 40.6 ? 综合两种检验结果还是滞后期为3合适。 为了更准确地判断其滞后期,再看其它的检 验方法。 王中昭制作 关于其它识别方法: ? Eviews5.1版本结出了5个评价标准的结果(见下页解释)。 例如利用实例的文件aL3得(在VAR模型估计结果窗 口中点view再选取lag structure , lag length Criteria得 到),根据金融理论,货币效应时滞在一年左右,所 以选择最大4阶,也可以结合模型检验来确定。 在五个评价指标中有4个认为滞后 期应为3,见系统自动标出的结果, 即*号处。 王中昭制作 ? 五个检验指标:LR检验统计量,PRE最终预测误差,AIC 信息准则,SC信息准则,HQ信息准则。这五个检验可以归为三 类。 ? 1、 LR检验统计量,似然比(Likelihood Ratio,LR)检验涉及两 类模型,无约束模型(没有任何限制的模型)和约束模型(指在 零假设约束条件下的模型),似然比统计量是指无约束模型和有 约束模型的最大似然值之差的2倍,即:LR=2(Lu-Lr)~χ2(k)。如 果无约束模型和约束模型的残差的最大似然之差越大,就越有证 据证明约束模型不可靠。 ? 2、 PRE最终预测误差,它是使把FPE(n)=σ2n(T+n)/(T-n)的最小 值的n作为VAR模型的最佳阶数。σ2n为滞后n期时残差的方差估 计,T为样本个数。它是优点是平衡了选择低阶数造成偏离性的 风险和选择高滞后阶数造成方差增长的风险。 ? 3、信息准则,包括SC、AIC和HQ。如果滞后期越长,则要估 计参数就越多,自由度就越少。因此信息准则就是寻求滞后期与 自由度之间的一种均衡。一般根据SC、AIC和HQ的信息量取值 最小的准则确定模型的阶数。 3、平稳性检验 王中昭制作 ? VAR模型也可以作序列平稳性检验的,可以用单位根 方法进行检验。在VAR模型的输出窗口中,通过 View→Lag Structure→AR Roots Table 或者AR Roots Graph分别得到VAR模型特征方程的根的倒数值的表和 图。例如在案例4中,得到如下图: 如果全部特征根的 倒数值都在单位园 内,则VAR模型是 稳定的,否则不稳 定,不稳定不可以 作脉冲响应函数分 析。这表明本例的 VAR模型是稳定的 王中昭制作 4、VAR模型的估计 ? 前面我们提到,如果VAR模型中变量是平稳 的,并且方程右边包含相同的解释变量,随机误 差项满足基本假定,则我们可以分别应用普通最 小二乘法对单个方程予以估计,所得到的估计值 是一致的、渐进有效的。当上述条件不满足时, 我们需要用到估计联立方程模型的其它方法。 ? 由于所用到的数学知识已经超出了本书的范围, 并且在Eviews软件中可以方便的实现对VAR模型 的估计,在此我们不再多做介绍。 王中昭制作 5、预测 ? 一个较小的VAR模型产生的预测 结果甚至要好于一个大的联立方程模 型产生的预测结果,因此VAR模型的 一个主要作用就是预测。 王中昭制作 (三)、脉冲响应函数 ? 假设系统处于均衡状态,如果由于某种原因,破 坏了均衡,系统对该干扰作出反映,偏离均衡然后恢 复均衡,这个过程用脉冲响应函数来描述。 ? 脉冲响应函数是度量来自于每个方程的随机误差项 的一个标准差新信息(见新信息解释)冲击时被解释 变量的响应程度和持续时间。例如假定某个方程的随 机误差项在第t期发生突变,而后各期重新恢复平静, 这时脉冲响应测量表示的是各期(t,t+1,t+2…)的被 解释变量对该冲击的反应。例如VAR(1):Yt=c+θYt1+et,则 ? y1t ? 其中Yt ? ? ?y ? ?, 则Yt ? c ? ? (c ? ?Yt ? 2 ? et ?1 ) ? et ? 2t ? Yt ? c ? ?c ? ? 2Yt ? 2 ? ?et ?1 ? et ? c ? ?c ? ? 2 c ? ? 3Yt ?3 ? ? 2 et ? 2 ? ?et ?1 ? et ...... Yt ? ? ? ? ? i et ?i i ?0 ? 王中昭制作 ? e1t ? 由于et ? ? ?e ? ?, e1t 是只影响y1t 而不影响y 2t的新信息, ? 2t ? e2t 是只影响y 2t 而不影响y1t的新信息。 ? 为了保证这样的不相关性,需要对脉冲响应函数 进行调整,利用Choleski分解可以把协方差阵变 为对角矩阵,这时的脉冲响应函数称为正交脉冲 响应函数。 ? 通过测量脉冲响应,我们能够清楚地看到随机误 差项的一个标准差新信息在某一时期的冲击对未 来各期被解释变量的影响。同时脉冲响应表明了 各个变量对该变量冲击的传导作用。 (其原理 参看潘红宇《时间序列分析》,对外经贸大学出 版社,P204)。 王中昭制作 ? 广义脉冲响应函数(Generalized Impulse)是Pesaran 和shin在1998年提出的。 ? Pesaran 和Shin 证明: ? 1、广义脉冲响应是唯一的,即消除了变量的顺序 会影响脉冲响应结果的问题。并且考虑了观测到的 不同形式冲击和它们之间的相关性。 ? 2、Pesaran 和Shin 还进一步证明了正交分解的脉 冲响应是广义脉冲分解的特殊形式。当协方差矩阵 是对角阵时,二者是一致的。 ? 3、它还可以应用于非线性多变量模型中,因为它 不考虑冲击的范围、符号和历史。 ? 因此,利用广义脉冲响应函数得到的结果更具稳定性 和说服力。 王中昭制作 新信息(Innovation) ? ? 定义:如果对所有t随机过程{vt }满足: ? E(vt)=0, E(vtv’t)=σ2, 有界, ? E(vt │Xt-1)=0, 即vt与以前的Xt无关,则称vt是相对 于{Xt-1 }的新信息过程。 ? 新信息过程一定是白噪声过程,反之不一定。 新信息过程总是相对的,是相对于某个特定信息集, 对其它信息集不一定是新信息过程。 王中昭制作 (四)方差分解 ? 方差分解( variance decomposition) 表示的是 当系统的某个变量受到一个标准差冲击以后, 以一个变量的预测误差方差百分比的形式反 映变量之间的交互作用。 ? 即方差分解就是对于内生变量的预测误差的 方差进行分解,判断其方差的来源,或者了 解某个特定随机新信息所引起的方差占总方 差的比重。可以进行看出内生变量的变动主 要由哪里变量所导致的。说明其它变量对该 变量的变动有没有预测作用。 ? 见下面实例。 王中昭制作 (五). 结构VAR模型和缩减型的VAR模型 结构型VAR模型,即SVAR模型。此模型是在滞后相关关 系基础上加入变量之间的同期相关关系形式。用来关注当期 外生变量的影响。SVAR在处理随机冲击同期相关时,可以对 时间序列的关系予以限制,因此可以得到唯一方差分解及脉 冲反应函数。缩减型的VAR模型。估计方式见例题。 结构式的VAR模型 : S ? Yt ? c ? ? ? iYt ?i ? R ? X t ? ?t , i ?1 p 其中Y,, 分别为内生变量和外生变量所构成的列向量 缩减型的VAR模型: Yt ? c ? ? AiYt ?i ? B ? X t ? ut , i ?1 p A ? S ?1? , B ? S ?1 R 王中昭制作 (六). 实例分析 利用VAR模型对我国货币政策 的有效性进行检验。 ? 1、数据来源: ? 取我国狭义货币供应量 M1 ,商品零售物价指 数 CPI ( 1994 年 1 季度为 100 ),以及代表产出 水平的国内生产总值GDP的季度数据,时间为 1994 年 第 一 季 度 到 2004 年 第 二 季 度 。 文 件 aL3.wf1 王中昭制作 2、建模。 在选择滞后项时,应用信息准则,根据金融理论, 货币效应时滞在一年左右,所以我们选择最大 4阶。 滞后期 AIC SC b=1 39.56 40.1 b=2 39.43 40.31 b=3 b=4 39.14 38.95 40.42 40.63 根据AIC信息准则,我们应选择滞后项为4,根据SC 信息准则,我们应选择滞后项为2或3,考虑到3阶后 AIC值下降较缓,以及结合模型的R2和Determinant Residual Covariance的值,最后选择滞后项为3。或者 由Eviews5.1可得到(在VAR模型估计结果窗口中点 view再选取lag structure , lag length Criteria): 王中昭制作 ? 在五个评价指标中有4个认为滞后期应为 3(见系统自动标出的结果,即*号处)。 ? 本例选择结果如下: 王中昭制作 设置滞后期, 必须配对出现, 例如,1 2 5 8 则每个方程所 包含的变量的 滞后期均为: yt-1, yt-2, yt-5, yt这里是输入外生变量,例如如果需要常 , y y , 6 t-7 t-8 数项,则输入c,如果需要加上时间趋 势项则输入t(t要预先输入)。如果想 构建缩减型的VAR模型及其VECM模 型则需在此输入外生变量。 王中昭制作 变量下面第1和2括号值分别标准差和T统计量,在同一变量不同的滞后项, 有的是显著的,有的是不显著的,有的符号与经济理论不相符,验证了我们 所说的VAR模型是缺乏理论依据的。 首先,对于物价CPI,上一季度的货币供应量对其的影响是显著的,并且系 数为正,与理论相符,说明货币供应量的增加将使物价水平上升,而上第二 个季度M1的对CPI的影响是负的,而且更显著,正负交叉影响表现出M1和 CPI相互关系的特征。 王中昭制作 ? 其次,对于货币供应量来说,上一季度的GDP对其影响不显著, 说明货币供应量不受上期的产出但受物价水平的影响显著。但 上第2季度的GDP对M1产生显著负影响。 ? 再次,对于GDP,上期的货币供应量对其是显著正影响。这从一 个侧面验证了前几年我国实施的稳健的货币政策效果是有效的, 而上期物价水平则对产出是不显著负影响。 王中昭制作 3. 缩减型的VAR模型:加上同期外生变量gdp2, 同时下面也加上了趋势项t。 王中昭制作 结果如下: 王中昭制作 ? 4. 为了保证序列的平稳性,也可先对所有的数 据进行处理再建立VAR模型,如取它们的自然 对数。用genr功能。 Lgdp=log(gdp),Lcpi=log(cpi),Lm1=log(m1)。 ? 然后分别对Lgdp,Lcpi,Lm1三变量建立VAR模 型。或者直接用log(gdp),log(cpi),log(m1)建立VAR 模型。 王中昭制作 ? 5. 预测。点make model后得到: ? 点Solve得到如下对话框,基本选择有5项: 在模拟种类 中有2项, 第1为确定 性,第2为 随机性。 在动态方法中有动 态求解等项。在静 态条件下,滞后期 是用实际值,而在 动态情况下,滞后 期用拟合值 王中昭制作 在Solution scenarios & output(输出结果保 存的序列名),求解 得到的序列名是采用 原序列加上后缀的方 式命名,例如如果选 择baseline,则GDP的 预测值放在GDP_0。 此时必须勾上下面的选 择才有效。 注意:上述两对话框 都不能选择Actual(实 际值),否则计算不 出预测值。 在备份序列名,以免在用不 同模型进行预测时,冲掉了 上一次的预测值。例如如果 选择了scenarios 1,则预测值 放在GDP_1中。 王中昭制作 在工作文件窗口 中cpi和cpi_0分别 为原始数据及拟 合值,其它同理。 可以用Genr命令 求出每个变量的 残差。 王中昭制作 Baseline为预测值(拟合值) 王中昭制作 6、脉冲响应 ? 脉冲响应函数是度量来自于每个方程的随 机误差项的一个标准差新息冲击时被解释 变量的响应程度和持续时间。 ? 通过测量脉冲响应,我们能够清楚地 看到随机误差项的一个标准差新信息在某 一时期的冲击对未来各期被解释变量的传 导作用。 ? 在方程的输出窗口中点view→impulse Response得到: 王中昭制作 ? 在弹出对话框中:显示格式选择:表、每个脉冲响应函 数图、合成图(来自于同一变量冲击的脉冲响应函数图 合并显示) 。左边两个框:从上到下:第一个为输入 要冲击的变量。第二输入欲要计算脉冲响应的变量名。 第三为是计算的期数。还有是否计算累计反映。 ? 右边图:关于计算脉冲响应函数标准差的方法:乔利期 基(cholesky)分解和广义脉冲响应等。右边为输入VAR 模型出现的变量顺序,变量的顺序会对结果产生影响。 王中昭制作 积累反应, 一般不选取 注意:虽然乔利期基(cholesky)分解被广泛应用,但是方程的顺序 将会强烈地影响脉冲响应。因为如果新信息是相关的话,它们将 包含一个不与某特定变量相联系的共同成分。通常将共同成分的 效应归属于VAR系统中第一个出现的变量(依照方程顺序),即 Cpi、m1、gdp的方程对应的μ1t, μ2t, μ3t的共同成分都归到μ1t,, 因此方程的顺序(即变量顺序)会影响脉冲响应的结果。因此一 般选择广义脉冲响应。 王中昭制作 脉冲响应函数图的解释 ? 有两种作图方式:单个响应图(Multiple Graphs和 多个响应合成图(Combined Graphs)。 ? 在脉冲响应单个函数图中, 横轴表示冲击作用滞后期 数, 纵轴分别表示反映变量的增长率(如果勾上 Accumulated Responses,则纵轴表示增长率的累计 值), 实线表示脉冲响应函数, 代表该变量受到其它变 量的随机误差项一个标准差的冲击后,该变量现在 和未来的反应程度和持续时间。虚线表示正负两倍 标准差偏离带。 王中昭制作 脉冲响应函数的数值表 ? 此表反应的是某变 量对各个变量(含 本身)冲击时响应 程度的数值大小, 非增长率。括号内 为T统计量。 王中昭制作 M1对M1的一个标准差冲击,一 开始反应敏感,在第一期达到最 高值,随后迅速下降到最低点, 然后缓慢上升保持不变在10期内 都是正的。 M1(外界对m1的干扰)对gdp的 一个标准差冲击的反应比较弱, 几乎在所0左右波。说明货币流 通量对经济的冲击较弱。 M1对Cpi的一个标准差冲击的反 应敏感,在第一期达到最低值, 然后趋于平稳,同时表明M1对 CPI的传导作用始终为负。 GDP对Cpi、GDP、m1的一个 标准差冲击的反应的脉冲响应 函数图。分析略。 王中昭制作 Cpi分别对cpi、GDP、 m1的一个标准差冲击的 反应的脉冲响应函数图。 自己作分析。 ? 根据上面的脉冲响应函数图,可以详 细分析各个变量对另一些变量冲击的 持续效应和持续时间。 王中昭制作 对于单个脉冲响应图,Eviews 给出一个±2S.E的置信区间 王中昭制作 这是选择顺序为 m1,gdp,cpi,其结果 和前面的结果有一定 的差异,见右图。 王中昭制作 广义脉冲响应 ? 广义脉冲响应函数(Generalized Impulse)是Pesaran和 shin在1998年提出的。 ? Pesaran 和Shin 证明: ? 1、广义脉冲响应是唯一的,即消除了变量的顺序会 影响脉冲响应结果的问题。并且考虑了观测到的不同 形式冲击和它们之间的相关性。 ? 2、Pesaran 和Shin 还进一步证明了正交分解的脉冲响 应是广义脉冲分解的特殊形式。当协方差矩阵是对角 阵时,二者是一致的。 ? 3、它可应用于非线性多变量模型中,因为它不考虑 冲击的范围、符号和历史。 ? 因此,利用广义脉冲响应函数得到的结果更具稳定性和 说服力。 ? 广义脉冲响应的计算如下: 王中昭制作 选择此项,则右边就 不会存在变量顺序选 择问题。 广义脉冲响应 王中昭制作 王中昭制作 ? 通过方差分解可以了解到各个变量的冲击能解释某个变 量的份额以及各个变量有没有预测作用,因为方差S.E的 变动代表着该变量的变动规律。在模型的输出窗口中选 取View→varance decomposition到方差分解。注意方差 也与变量的顺序有关。 7、方差分解 王中昭制作 这图是显示cpi的方差分解, 显示gdp的冲击从长期来看 能解释cpi的4%左右,而 m1也是能解释4%左右。两 者相差不大。 这图是显示M1的方差分解, 显示cpi的冲击从弱到强,长 期来看能解释m1的40%-48%, 而gdp能解释约6%左右。CPI 对M1的冲击是明显的。同时 表明CPI对M1变动的预测作 用约41.3%. 王中昭制作 这图是GDP的方差 分解,显示cpi的冲 击基本上能解释gdp 的22%左右。而M1 冲击从弱到强,平 均能解释25%左右。 王中昭制作 三、VECM模型 ? VECM模型是VAR模型的进一步延伸。 ? 如果VAR模型是协整的,则可以构建VAR 的误差修正模型——VECM模型。 ? 步骤:第一、通过VAR模型确定模型的滞 后期。第二、确定协整方程,由于VAR模 型是多个变量,变量间可能存在多个协整 关系,因此用EG两步法来确定协整方程是 不完整的,可用Johansen 协整检验来确定。 第三、进行稳定性检验。第四、求脉冲响 应函数和方差分解。 下面用案列来说明此方法的计算过程 王中昭制作 ? 我国房地产相关数据,以季度作为计量单位, 房地产销售累计面积(万平方米)Mz,资金 来源非自筹(亿元)Cap ,本期加权平均利 率i(银行间市场加权平均的7天拆借利率 ) , 从1999年第1季度到2010年第4季度,数据来 自中宏数据库,中国产业分析平台、CCER 数据库,并经过整理得到。 ? 数据文件为:房地产相关数据.wf1, 王中昭制作 第一步:确定VECM方程中变量的滞后期 ? 一般地,可以用VAR模型回归结果的滞后 期,最大滞后期一般选取4。因此最后本例 选滞后期为4。结果如下, ? 注意滞后期的确定影响协整结果! 王中昭制作 第二步:确定协整方程 (采用Johansen 协整检验) EG两步法的缺陷是:在小样本下,参数估计的误差 较大,并且当变量超过两个以上时,变量间可能存 在多个协整关系,此方法无法找到所有可能的协整 向量,其分析结果不容易解释,所以EG两步法主 要适用于包括两个变量即存在单一协整关系的系统。 ? 针对EG两步法的缺陷, Johansen(1988)提出 极大似然估计法(MLE),以检验多变量之间的 协整关系, Johansen检验的基本思想是基于VAR 模型将一个求极大似然函数的问题转化为一个求特 征根和对应的特征向量的问题,以此判断协整关系 是否存在以及协整关系的个数, Johansen检验可 用于检验多个变量的协整性,同时求出它们之间的 若干协整关系。 ? 王中昭制作 ? 注意输入 的变量顺 序(cap I mz)会影 响协整方 程的变量 形式,但 不会影响 所确定的 协整方程 个数。 ? 此检验有五个备选项: ? 1)假设序列无均值、无趋势项。并且协整方程中无常数项、无趋势项。 王中昭制作 ? 2)假设序列无均值、无趋势项。并且协整方程中有常数项、无趋势项。 ? 3)假设序列有线性趋势项。并且协整方程中有常数项、无趋势项。 ? 4)假设序列有线性趋势项。并且协整方程中有常数项、有线性趋势项。 ? 5)假设序列有二次趋势项。并且协整方程中有常数项、有线性趋势项。 外生变量输入 显著性水平输入 王中昭制作 ? ? ? ? ? ? 一般的选择方法是:选项1和5较少用, 只有当所有序列均值都为0时,才适用选1。 当所有序列都不含趋势时,适用选项2。 当序列含有趋势,并且趋势为随机时,适用选项3。 当序列含有趋势,并且某些序列趋势为平稳时,适用选项4。 根据本例情况,采用选项3。 结果如右图,在5%显著性水平下, 王中昭制作 从迹统计量(trace statistic)看, ? 第一:针对没有协整的原假设,结论 是:拒绝原假设,有协整关系;(因为 32.74332>29.7907) ? 第二,针对至多有一个协整关系的原 假设,结果是:接受至多存在1个协整 关系; ? 第三,针对至多有二个协整关系的原 假设,接受至多存在2个协整关系。 ? 从最大特征值看不存在协整关系。 ? 一般以迹统计量为判断标准。 ? 检验下半部分(见下页)给出了一 个、二个协整关系的各类协整方程。 ? 注意: ? 1、在不同的原假设下,得到不同的结 论。2、协整关系是表示若干个变量的 协整,并非都是指所有变量之间的协 整关系。 ? 3、协整方程以某个变量为基准,这里 以cap为基准。 cap,I,mz的顺序会影响 协整方程中的变量结构,但不会影响 存在协整方程的个数。 王中昭制作 解释: 结构式的VAR模型(加上同期的外生变量X): Yt ? c ? ? BiYt ?i ? P ? X t ? m ? t ? ut , i ?1 p 其中X 为外生变量, t为时间趋势项. 则相应的VECM模型为 : ?Yt ? c ? ? Gi ?Yt ?i ? P ? X t ? m ? t ? ut , i ?1 p 其中P ? A * B?, B?表示r个协整向量构成的矩阵,A为相应的权重矩阵. Johansen 检验的依据: rank(A*B') 如果 rank(A*B') = r, 表明存在 r 个协整关系. rank 决定于矩阵 A*B' 中非零特征根的个数 王中昭制作 由于是用MLE法估计,因 此似然函数值越大越好。 ? 第一部分为存在一个协 整关系的协整方程,给 出的是协整向量,写成 方程要变负号: Capt=307.866It +0.101095Mzt +1321.24(常数在这里没 有显示,可以VAR模型 中限定1个协整方程时可 显示出来,见下页)。 存在2个协整关系时的协整方程和 误差项调整系数。最后模型需确 定选取1个协整关系还是多个协整 关系,从似然函数值看选取1个协 整关系要比2个协整关系好一些。 然而再计算出结果。还要注意不 同的变量顺序其协整方程不同。 1个协整关系时的误差项 调整系数。即分别对应 于CAP,I和MZ的三个 方程的误差项滞后1期的 系数。 王中昭制作 ? 如果选择1个 协整关系。 ? 在VAR估计 窗口中选择 VEC模型, 选择过程如 右边几个窗 口。 此处是选择协整模型中 变量的限制,不是短期 调整模型中的变量限制, 一般不选。 选择1个协整关系 王中昭制作 ? 结果如图,后半部分未 列出。Error Correction 栏中的CointEq1为ut-1的 系数。 ? 调整系数的解释: ? 0.368465表示当自筹资金 cap比协整均衡水平高时, 则下一期的自筹资金往 高的方向调整。同时8.94E-05表示当加权平均 利率i比均衡水平高时, 下一期加权平均利率往 低的方向调整,但调整 系数非常微小;当房地 产销售累计面积MZ高于 均衡水平时,下一期MZ 往高方向调整。 园括号和中 括号分别为 标准差和t统 计量。 王中昭制作 ? 如果选择2个协整关系,结果 如右图。 ? Error Correction栏中的 CointEq1 CointEq1分别为协 整方程(CAP)和I的ut-1的系 数。 ? 调整系数的解释: ? 0.142表示当自筹资金cap比协 整方程CAP的均衡水平高时, 则下一期的自筹资金往高的方 向调整。同时-762.8149表示当 自筹资金cap比协整方程I的均 衡水平高时,下一期CAP往低 的方向调整。 ? 其它解释同理。 王中昭制作 ? 第三、进行稳定性检验 1个协整关 系 选取1个协整 关系和2个协 整关系的平稳 性检验如右图。 基本上没有什 么区别,而且 都显示出不稳 定。从似然函 数值看1个协 整关系要好一 些。 2个协整关 系 ? 第四、求脉冲响应函数和方差分解。 王中昭制作 这里是选 择1个协 整关系的 脉冲响应 函数图 (选择广 义脉冲响 应) 王中昭制作 ? 方差分解结果其 中一部分。 王中昭制作 ? 另外还可以在VECM 模型中的短期调整方 程中分别加入时间趋 势项t。做法如下: ? 在外生变量Exogenous variables栏中加入时间 变量t,t要预先输入。 ? 可以进行加入前后的 拟合效果对比。除了 第一个方程外,其它 方程的T统计量还是比 较显著的。 王中昭制作 本章小结 本章介绍了VAR和VECM模型,还有许多 VAR的拓展模型。 ? 面板数据的VAR模型(以后有时间用stata 讲)。 ?

文档贡献者

robinzyb8

贡献于2014-06-05

1/2

相关文档推荐

喜欢此文档的还喜欢

关闭