ECM和VAR模型(薪)说课.ppt

* * * * * * * * * * * cons_gdp.wfl * * inc_cons.xls inc_cons.wfl * * * r_m1_gdp.wfl * * * 应将所有相互影响的变量都包含在VAR模型向量中。若只将要研究的变量考虑进来，而忽略其它也与这些变量有关的变量，如此构建的VAR模型的正交化脉冲响应函数没有应用价值。 当向量非平稳时，向量自回归模型的正交化脉冲响应函数不收敛。所以，要应用正交化脉冲响应函数反映变量间的动态关系，向量必须平稳。向量平稳除了向量的每个分量平稳外，VAR模型特征方程的所有特征值都要在单位圆以外。 4. 例 我国货币政策效应实证分析的VAR模型 为了研究货币供应量和利率的变动对经济波动的长期影响和短期影响及其贡献度，采用我国1995年1季度～2007年4季度的季度数据，并对变量进行了季节调整。设居民消费价格指数为CPI_90 (1990年1季度=1)、居民消费价格指数增长率为CPI 、实际GDP的对数ln(GDP/CPI_90) 为ln(gdp) 、实际M1的对数ln(M1/CPI_90) 为ln(m1) 和实际利率rr (一年期存款利率R- CPI ）。 利用VAR(p)模型对 ?ln(gdp) ， ?ln(m1) 和 rr，3个变量之间的关系进行实证研究，其中实际GDP和实际M1以对数差分的形式出现在模型中，而实际利率没有取对数。 建立VAR模型 为了创建一个VAR对象，应选择Quick/Estimate VAR…或者选择Objects/New object/VAR或者在命令窗口中键入var。 VAR估计的输出 VAR对象的设定框填写完毕，EViews在VAR对象窗口显示如下估计结果： ?Vector Autoregression Estimates ?Sample (adjusted): 1995Q4 2007Q4 ?Included observations: 49 after adjustments ?Standard errors in ( ) t-statistics in [ ] ? RR DLOG(M1_P_SA) DLOG(GDP_P_SA) RR(-1) ?1.318985 -0.002187 -0.005095 ? ?(0.15223) ?(0.00246) ?(0.00174) ? [ 8.66436] [-0.88739] [-2.93133] ? ? ? ? RR(-2) -0.387707 ?0.003404 ?0.004061 ? ?(0.11818) ?(0.00191) ?(0.00135) ? [-3.28066] [ 1.77875] [ 3.00927] DLOG(M1_P_SA(-1)) -1.508790 ?0.177945 -0.004251 ? ?(10.1226) ?(0.16389) ?(0.11558) ? [-0.14905] [ 1.08573] [-0.03678] ? ? ? ? DLOG(M1_P_SA(-2)) -11.19842 -0.124442 ?0.015333 ? ?(9.31213) ?(0.15077) ?(0.10633) ? [-1.20256] [-0.82536] [ 0.14420] ? ? ? ? DLOG(GDP_P_SA(-1)) -4.002522 -0.403757 -0.495347 ? ?(14.5211) ?(0.23511) ?(0.16581) ? [-0.27564] [-1.71730] [-2.98745] 表中的每一列对应VAR模型中一个内生变量的方程。对方程右端每一个变量，EViews会给出系数估计值、估计系数的标准差(圆括号中)及t-统计量(方括号中)。 DLOG(GDP_P_SA(-2)) ?17.54577 -0.001973 -0.033644 ? ?(13.2659) ?(0.21479) ?(0.15148) ? [ 1.32262] [-0.00919] [-0.22210] ? ? ? ? C ?0.170732 ?0.040567 ?0.039280 ? ?(0.67778) ?(0.01097) ?(0.00774) ? [ 0.25190] [ 3.69660] [ 5.07540] ?R-squared ?0.849693 ?0.172494 ?0.366395 ?Adj. R-squared ?0.828220 ?0.054279 ?0.275880 ?Sum sq. resids ?37.26624 ?0.009769 ?0.00485