基于VAR模型对牧业指数产值和渔业指数产值关系的脉冲响应和方差(崔琳爽)教案分析.doc

姓名：崔琳爽 专业：应用统计学 基于VAR模型对牧业指数产值和渔业指数产值关系的 脉冲响应分析和方差分析 [摘要]本文对1990年到2013年的牧业指数产值和渔业指数产值两个时间序列进行分析，通过单位根检验、协整检验和格兰杰因果检验，对两个变量建立了VAR模型，并对该稳定的VAR模型进行了脉冲响应分析和方差分解，最后对2014年到2016年的牧业、渔业指数产值做出了预测。分析结果显示渔业指数产值是牧业指数产值的格兰杰原因，当期一个标准差的渔业或牧业产值冲击对其自身的当期值和未来值影响较大。渔业或牧业自身的新息所引起的方差占总方差的比重大。 [关键字] VAR 格兰杰因果检验 脉冲响应分析 方差分析 预测 农业结构由种植业向畜牧、渔业转变，体现了农业结构由单一向多元的方向转变，增加了农业附加值，延伸了农业产业链，带动了相应的差异发展，推动国民经济生产总值的提升。据统计，经济发达国家的畜牧业和渔业产值占农业产值的50%左右，有些竟达到70%以上。因此牧业渔业的地位作用发生重大变化，牧业渔业的产值占农业产值中的比重，是衡量一个国家或地区农业现代化水平、总体发展状况的重要标志。 图1 通过对两个时间序列作图（图1）可知，牧业和渔业有着密切的关系，它们的走势大致是一致的。因此本文将通过建立向量自回归（VAR,Vector Auto regression）模型或VEC模型并用脉冲响应分析和方差分解对这两个相互联系的时间序列系统进行预测以及分析随机扰动对变量系统的动态影响。 序列预处理 1.1序列平稳性检验 平稳性检验是在经济数据进行进一步的模型检验以及回归前非常必要的一项工作，因为很多的经济数据都会因为某一特定的事件影响而又相同的走势，而并没有内在的联系，如果不检验平稳性，直接用于构造模型，则可能出现伪回归。 因此先对牧业指数产值（MY）和渔业指数产值(YY)两个时间序列进行单位根检验。 （操作：序列窗口view/unite root test） ADF检验结果显示MY序列有一个单位根，对MY序列进行一阶差分后在再进行单位根检验。检验结果如下显示一阶差分后MY序列平稳。 同理对YY时间序列进行单位根检验 YY序列有一个单位根，对其一阶差分 YY时间序列1阶差分平稳。 由上述ADF单位根检验可以知道MY（牧业）和YY（渔业）两个时间序列都非平稳序列，且两个序列都是一阶单整序列。可以进行协整检验。 1.2协整检验 操作：同时选取MY和YY序列右键open/as group,在group窗口view/cointegration test 上述检验给而出了无约束情形下的协整秩检验，共五列。第一列表示假设的协整关系的个数，EViews依次列出了2个检验的原假设：不存在协整关系和最多存在一个协整关系。对于能够拒绝原假设的检验用“*”号标记，且“*”表示置信水平是95%。第二列表示矩阵的特征值。第三列是迹检验统计量或最大特征值统计量的值，第四列是5%显著性水平下的临界值。第五列是P值。 检验结果显示在5%的显著性水平下没有协整关系。也就是说牧业指数产值和渔业指数产值之间不存在长期均衡关系，下面对差分平稳后的序列进行格兰杰因果关系检验，以检测两个序列之间是否存在短期均衡关系。若变量间不存在因果关系则变量间的回归为伪回归。 1.3 Granger因果关系检验 用Granger因果关系检测来检验牧业和渔业之间存在的因果关系。其前提是时间序列是平稳的，才能进行检验。由平稳性检验知，牧业和林业的一阶差分平稳后的DMY和DYY序列是平稳的，因此对其进行格兰杰因果检验。检验结果如下 (操作：同时选中DMY和DYY右键open/as group ,在group窗口view/Granger test/确定) 格兰杰因果关系检验结果表明：在显著性水平为5%的情况下，检测出的结果为拒绝渔业不是牧业的格兰杰原因的假设，同时接受牧业不是渔业的格兰杰原因的假设。可以考虑建立VAR模型。 2.VAR模型的建立 2.1确定最大滞后阶数 （操作：在VAR窗口/view/lag structure/lag length criteria） 以上检验结果给出了0~5阶VAR模型的LR、FPE、AIC、SC和HQ值，并用“*”标记处依据相应准则选择出来的滞后阶数。可以看到，有超过一半的准则选出来的滞后阶数为2阶，可以讲VAR模型的滞后阶数定义为2阶。 2.2 VAR模型参数估计 操作：同时选中DMY和DYY序列右键open/as VAR，点确定得 因为有两个变量，所以有两个方程。从模型参数估计结果的t统