VAR、VEC模型讲义.ppt

* 其中，系数 ?1，?2 代表调整速度。在这个简单的模型中，等式右端惟一的变量是误差修正项。在长期均衡中，这一项为0。然而，如果 y1，y2 在上一期偏离了长期均衡，则误差修正项非零，?1 和 ?2 会将其向均衡状态调整。 由于序列 y1 ，y2 的不同特征，模型可以指定成不同的形式： ① 如果两个内生变量 y1 和 y2 不含趋势项，并且协整方程不含截距，则VEC模型有如下形式 ② 如果两个内生变量 y1 和 y2 不含趋势项，并且协整方程有截距 ? ，则VEC模型有如下形式 * ③ 假设在序列中有线性趋势?，则VEC模型有如下形式 ④ 类似地，协整方程中可能有趋势项 ? t ，其形式为 * ⑤ 如果序列中存在着隐含的二次趋势项 ? t，等价于VEC模型的括号外也存在线性趋势项，其形式为 上述仅讨论了简单的VEC模型，与VAR类似，我们可以构造结构VEC模型，同样也可以考虑VEC模型的Granger因果检验、脉冲响应函数和方差分解。关于VAR模型和VEC模型更多的讨论，可参考Davidson和Mackinnon（1993）及汉密尔顿（1999）的详细讨论。 * 例9.8 基于具有约束条件的VEC模型分析中国货币政策效应 为了进一步了解VEC模型中协整向量的约束，本例选择中国的实际M1（m1）、实际社会消费品零售总额（sl，简称实际消费）、实际固定资产投资（if）、实际工业总产值（tiv）、实际一年期贷款利率（rr）、居民消费价格指数（cpi，1990年1月为100）6个变量研究货币政策对各类总需求的影响，其中实际M1、实际消费采用1990年1月为1的居民消费价格指数进行平减，实际工业总产值采用1990年1月为1的工业品出厂价格指数进行平减，固定资产投资采用1990年1月为1的投资价格指数进行平减、实际利率等于名义利率减去通货膨胀率。样本区间从1997年1月～2007年12月，并对各指标进行季节调整，消除季节要素。 * 单位根检验的结果表明各指标均是I(1)序列，Johansen协整检验的两个统计量均表明存在3个协整向量，在此基础上，估计类似式（9.7.1）的VEC模型： * t=1，2，…，T (9.7.17) 其中， ?为6×2的矩阵，其每一列是对应一种协整形式中各变量的线性组合的系数，因此? 称为协整向量矩阵，2为协整向量的个数。? 也是6×2的矩阵，其每一行元素是出现在第i个方程中的对应误差修正项的系数，即调整系数，故称为调整参数矩阵。模型（9.7.17）中差分项的滞后阶数为 p = 2 ，估计结果如表9.4。 * VEC模型在EViews软件中的实现 1. 如何估计VEC模型 由于VEC模型的表达式仅仅适用于协整序列，所以应先运行Johansen协整检验，并确定协整关系数。需要提供协整信息作为VEC对象定义的一部分。 如果要建立一个VEC模型，在VAR对象设定框中，从VAR Type中选择Vector Error Correction项。在VAR Specification栏中，除了特殊情况外，应该提供与无约束的VAR模型相同的信息： * ① 常数或线性趋势项不应包括在Exogenous Series的编辑框中。对于VEC模型的常数和趋势说明应定义在Cointegration栏中。 ② 在VEC模型中滞后间隔的说明指一阶差分的滞后。例如，滞后说明“1 2”将包括VEC模型右侧的变量的一阶差分项的滞后，即VEC模型是两阶滞后约束的VAR模型 。为了估计没有一阶差分项的VEC模型，指定滞后的形式为：“0 0”。 * ③ 对VEC模型常数和趋势的说明在Cointegration栏（下图）。必须从5个趋势假设说明中选择一个，也必须在编辑框中填入协整关系的个数，应该是一个小于VEC模型中内生变量个数的正数。 * 如果想强加约束于协整关系或(和)调整参数，用Restrictions栏。注意：如果没在VAR Specification栏中单击 Impose Restrictions项，这一栏将是灰色的。 * 第5章5.4节介绍的协整检验和误差修正模型主要是针对单方程而言，本节将推广到VAR模型。而且前面所介绍的协整检验是基于回归的残