时间序列分析上机实验.ppt

* 建立VAR模型的步骤三：VAR模型的估计之定阶 建立犯罪率与基尼系数一阶差分的VAR（1）模型 * 建立VAR模型的步骤四：VAR模型的稳定性检验 检验结果：模型稳定 * 建立VAR模型的步骤五：VAR模型的确定 1 模型预测 预测方法：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。 在模拟种类中有2项，第1为确定性，第2为随机性。 注意：右边的两对话框都不能选择Actual(实际值），否则计算不出预测值。 1 模型预测 动态预测观察趋势； 静态预测更好的拟合数据！ * 2 脉冲响应分析 在方程的输出窗口中点view→impulse Response得到： 显示格式：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） 。 * 2 脉冲响应分析 计算脉冲响应函数标准差的方法：乔利斯基(cholesky)分解和广义脉冲响应等。 变量的顺序会对结果产生影响！ 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）。 一般选择广义脉冲响应。选择此项，则右边就不会存在变量顺序选择问题。 * 2 脉冲响应分析 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。 * 3 方差分解 在模型的输出窗口中选取：View→varance decomposition 注意方差也与变量的顺序有关。 * 3 方差分解 方差分解表显示： X的冲击基本上能解释Y的4%左右； Y冲击从弱到强，平均能解释8.7%左右的X。 向玲凛 向玲凛 向玲凛 ?#? ?#? ?#? ?#? * * * * * * * * * * * * * 实验要求 数据搜集——多变量 确定变量——平稳性检验和格兰杰因果性检验 3. 建立VAR模型——估计、定阶 4. VAR模型适用性检验——系统平稳性 5. VAR模型应用——预测、动态分析 实验三： VAR模型的建立和应用 * VAR模型的建立——案例 社会稳定 VS 收入分配？ 犯罪率 VS 基尼系数 （1）犯罪率。计算犯罪率时，采用的数据是我国公安机关历年的刑事立案数和我国历年年末总人口数。我国公安机关历年的刑事立案数来自《中国法律年鉴》，我国历年年末总人口数来自《中国人口年鉴》。 （2）城镇收入不平等基尼系数。计算方法参见王亚芬、肖晓飞、高铁梅，《我国城镇居民收入分配差距的实证研究》。我国城镇家庭平均每人可支配收入数据来自《新中国五十五年统计资料汇编》和《中国统计年鉴》。由于原始数据缺失，1978-1985年基尼系数数据引自邹畅，《中国居民收入差距研究：1978～2004》。 * VAR模型的建立——案例 * 建立VAR模型的步骤一：变量序列的平稳性检验 犯罪率的一阶差分序列是平稳的 * 建立VAR模型的步骤一：变量序列的平稳性检验 基尼系数的一阶差分序列是平稳的 * 建立VAR模型的步骤一：变量序列的平稳性检验 * 建立VAR模型的步骤二：变量序列的格兰杰检验 * 建立VAR模型的步骤二：变量序列的格兰杰检验 原假设：X对Y存在格兰杰非因果关系 犯罪率和基尼系数互相不存在格兰杰非因果关系，即可以建立二者之间的VAR模型。 * 建立VAR模型的步骤三：VAR模型的估计 非限制VAR模型 向量误差修正模型 内生变量 内生变量的滞后期数 外生变量 * 建立VAR模型的步骤三：VAR模型的估计 估计结果？ 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。 * 建立VAR模型的步骤三：VAR模型的估计之定阶 按多数原则选取模型的滞后期数！ 向玲凛 向玲凛 向玲凛 ?#? ?#? ?#? ?#? * * * * * * * * * * * *