1-向量自回归模型.ppt

Lecture 1 样本容量问题 时间序列的样本容量对检验结果具有影响； 模拟试验表明，对于两个平稳序列，随着样本容量的增大，判断出存在格兰杰因果关系的概率显著增大。 Granger因果检验是必要条件，不是充分条件。 经济行为上存在因果关系的时间序列，应该能够通过格兰杰因果关系检验； 而在统计上通过格兰杰因果关系检验的时间序列，在经济行为上并不一定存在因果关系。 模拟试验表明，经济行为上不存在因果关系的平稳时间序列之间也可能存在着统计上的因果关系。 例如：城镇居民收入（CZJMSR）是农村居民消费（NCJMXF）的原因？ 数据 检验结果 统计检验必须建立在经济关系分析的基础之上，结论才有意义。 四、脉冲响应分析 1、脉冲响应函数 脉冲响应函数方法(Impulse Response Function，IRF)是分析VAR模型受到某种冲击时对系统的动态影响。 具体地说，它描述的是在某个内生变量的随机误差项上施加一个标准差大小的冲击后对所有内生变量的当期值和未来值所产生的影响。 相互之间可以同期相关，但不与自己的滞后值相关,也不与方程右边的变量相关。 脉冲响应函数：在其他误差项在任何时期都不变的条件下，当第j个变量对应的误差项在t期受到一个单位的冲击后，对第i个内生变量在t+q期造成的影响。 2、Cholesky正交化脉冲响应函数 当随机误差项相关时，也就是存在交叉的干扰源，不能被任何特定的变量所识别。 利用Cholesky分解法，将交叉的干扰源分解为独立的干扰源。 正交化过程如下：以VAR模型第一个方程的随机误差项为基础，将第2个方程的随机误差项除掉与第一个方程随机误差项的相关部分，得到正交化后的随机误差项。第3个方程的随机误差项除掉与第1和第2个方程随机误差项的相关部分，得到正交化后的随机误差项。以此类推，第k个方程的随机误差项除掉与前（k-1）个方程随机误差项的相关部分，得到正交化后的随机误差项 。 3、应用中的问题 虽然乔利斯基分解被广泛应用，但是对于交叉的干扰源的归属来说，它还是一种很随意的方法。而且VAR模型变量顺序的改变将会影响到脉冲响应函数。 在应用正交化脉冲响应函数反映变量之间的动态关系时，必须对变量的顺序进行充分的考虑。通常按照变量的外生性强弱进行排序。例如，居民消费和居民收入两个变量，应该将居民收入排在居民消费的前面，收入是消费的前提。 不能只将关注的变量建立VAR模型，应将所有相互影响的变量都包含在向量中。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是没有应用价值的。 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、例题 影响中美贸易量的决定因素是什么？人民币汇率是影响中美贸易量的决定因素吗？ 变量选择： 为充分考虑影响中美进出口贸易的因素，在经济体方面，将日本与欧盟的因素考虑进来；在宏观经济数据方面，考虑GDP、CPI、汇率等因素的影响。VAR模型中的变量包括：中国GDP、美国GDP、日本GDP、欧盟GDP、人民币兑美元汇率、人民币兑日元汇率、人民币兑欧元汇率、中国CPI、美国CPI、中国对美国进口总额、中国对美国出口总额共11个变量，样本区间为2005年7月至2010年12月，采用66个月度数据。 数据处理 由于进出口贸易额和GDP存在明显的季节趋势，因此采用TRAMO/SEATS方法对中美日欧的GDP及中美的进出口贸易量进行季节调整。 为了避免模型出现“伪回归”现象，要求各时间序列的变量具有同阶平稳性，因此首先应对模型所涉及的时间序列变量进行季节调整和一次差分后进行ADF单位根检验。ADF检验结果表明11个变量都是I(1)序列，进一步的JJ协整检验表明11个变量协整。 滞后阶数的确定 因为11个变量都是I(1)序列，若直接建立VAR模型，模型不稳定且脉冲响应函数不收敛。为此，采用各变量的一阶差分建立VAR模型。 运用Eviews6.0建立VAR模型并考查滞后阶数，根据AIC信息准则、SC信息准则确定滞后阶数为2。 广义脉冲响应分析(Generalized Impulse Responses ） 中美国内生产总值（GDP）变化量对进口量变化量的影响 各币种汇率变化量对进口量变化量的影响 各币种汇率变化量对出口量变化量的影响 美国、中国GDP变化对中国从美国进口影响的脉冲响应函数 美国、中国GDP变化对中国对美国出口影响的脉冲响应函数 人民币兑欧元、美元、日元的汇率变化对中国从美国 进口贸易量的脉冲响应函数 人民币兑欧元、美元、日元的汇率变化对中国对美国