最全的VAR模型理论基础和Eviews实现.ppt

在EViews软件操作中，选择VAR对象工具栏中的“View”|“Cointegration Test…”选项，打开右图所示的协整检验设定对话框。 协整检验仅对已知非平稳的序列有效，所以需要首先对VAR模型中的每一个序列进行单位根检验。 六、协整检验 在“Deterministic trend assumption of test”中确定协整方程的类型 。 根据协整方程中是否包含截距项和趋势项，将其分为五类： 第一类，序列Yt没有确定趋势，协整方程没有截距项； 第二类，序列Yt没有确定趋势，协整方程有截距项； 第三类，序列Yt有确定的线性趋势，协整方程只有截距项； 第四类，序列Yt有确定的线性趋势，协整方程有确定的线性趋势； 第五类，序列Yt有二次趋势，协整方程只有线性趋势。 六、协整检验 在“Exog variables”中输入外生变量xt。如果没有外生变量，此编辑框可为空。 在“Lag intervals”中设定滞后区间，这里的数字要起止点成对输入，如“1 2”。需要注意的是：滞后设定是指在辅助回归中的一阶差分的滞后项，而不是指原序列。 最右侧的数值为VAR模型滞后阶数p-1，即协整检验的滞后阶数等于VAR模型滞后阶数减去1 。 在“Critical Values”中可设定检验的显著性水平。系统默认下是0.05。用户可以根据实际检验需要设定为0.01或0.10。 六、协整检验 协整检验的结果第一部分给出了协整关系的数量，并以两种检验统计量的形式显示：第一种结果是所谓的迹统计量，列在第一个表格中；第二种检验结果是最大特征值统计量，列在第二个表格中。对于每一个检验结果，第一列显示了在原假设成立条件下的协整关系数；第二列是矩阵Π按由大到小排序的特征值；第三列是迹检验统计量或最大特征值统计量；第四列是在5%的显著水平下的临界值；最后一列是根据Mackinnon-Haug-Michelis(1999)提出的临界值所得到的P值。 六、协整检验 七、向量误差修正模型（VEC） 传统的经济模型通常表述的是变量之间的一种“长期均衡”关系，而实际经济数据却是由“非均衡过程”生成的。因此，建模时需要用数据的动态非均衡过程来逼近经济理论的长期均衡过程。 Engle和Granger将协整与误差修正模型结合起来，建立了微量误差修正模型。只要变量之间存在协整关系，可以由自回归分布滞后模型导出误差修正模型（ECM）。而在VAR模型中的每个方程都是一个自回归分布滞后模型，因此，可以认为VEC模型是含有协整约束的VAR模型，多应用于具有协整关系的非平稳时间序列建模。 根据协整方程可得到如下表达式 这样得到的每一个方程都是误差修正模型， ecmt-1=? Yt-1是误差修正项，可以反应变量之间的长期均衡关系。 七、向量误差修正模型（VEC） 系数向量?可以反映变量间的均衡关系偏离长期均衡状态时，将其调整到均衡状态的调整速度。所有作为解释变量差分项的系数反映了各变量的短期波动对被解释变量的短期变化的影响。在回归模型中，统计量不显著的滞后差分项可以直接剔除。 由于VEC模型是含有协整约束变量构建的模型，所以在估计VEC模型前需进行Johansen协整检验，并要确定协整关系的数量。如果变量间没有协整关系，则不能构建VEC模型。 七、向量误差修正模型（VEC） 选择主菜单栏中的“Quick”|“Estimate VAR…”选项，在VAR模型对话框中选择“Vector Error Correction”选项。“Basics”选项卡内容的设定与VAR模型相同。不同的是滞后区间的设定，VEC模型中的滞后间隔说明的是一阶差分后的滞后。 例如，滞后说明“1 1”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”。 七、向量误差修正模型（VEC） 在“Cointegration”选项卡中，有两项内容需要设定。如图所示。在“Number of cointegrating”指定协整关系个数，一般这个数要小于VEC模型中内生变量的个数。在JJ协整检验中可以确定变量的协整关系个数。 七、向量误差修正模型（VEC） “Deterministic Trend Specification”中指定协整方程的类型，其含义与Johansen协整检验的五种类型相同。 “VEC Restrictions”选项卡可以对协整约束和调整参数进行强加约束。其约束的含义为在有两个协整方程的情况下，约束第三个变量外生于协整方程，两个协整方程的第一个变量的系数为1 。 七、向量误差修正模型（VEC） Thank you ! Elements Page 知识回顾Knowledge Review 结