Eviews中VAR模型的操作、脉冲响应分析和方差分解的实现.ppt-精选文档

一、向量自回归（VAR）模型定义
• VAR模型是自回归模型的联立形式，所以称向量自回归模型。假设y1t，y2t之间存在关系，如果分别建立两 个自回归模型
• y1t = f (y1,t-1, y1,t-2, …) • y2t = f (y2,t-1, y2,t-2, …) • 则无法捕捉两个变量之间的关系。如果采用联立的形式，就可以建立起两个变量之间的关系。
• （4）VAR模型的另一个特点是有相当多的参数需要估计。比如一个 VAR模型含有三个变量，最大滞后期k = 3，则有k N 2 = 3 32 = 27个参数需要估计。当样本容量较小时，多数参数的估计量误差较大。
• （5）无约束VAR模型的应用之一是预测。由于在VAR模型中每个方程 的右侧都不含有当期变量，这种模型用于样本外一期预测的优点是不必 对解释变量在预测期内的取值做任何预测。
• 在残差序列数据组窗口中点击View键，选择Covariances功能
第25页/共28页
上一排数值为方差或协方差，下一排为相 关系数。
第26页/共28页
五、VAR、协整与VEC模型
第27页/共28页
感谢您的欣赏！
第28页/共28页
• （6.3）u中t ，(u1t , u2t ,uNt )' 第3页/共28页
11, j
j
21, j
N1, j
12, j 22, j
N 2, j
1N, j
2N,
j
,
j
1,2,, k
NN
,
j
对单一方程而言，每个方程的随机误差项独立不相关（时间序列上前 后不相关），但对模型而言，不同方程的随机误差项存在相关性。
第12页/共28页
特征根数值

一、向量自回归（VAR）模型
3. VAR模型的建立
在“VAR Type”中有两个选项： •“Unrestricted VAR”建立的是无约束的向量自回归模型， 即 VAR模型的简化式； •“Vector Error Correction”建立的是误差修正模型。 “Estimation Sample”的编辑框中输入的是样本区间，当 工作文件建立好后，系统会自动给出样本区间。 “Endogenous Variables”中输入的是内生变量。 “Exogenous Variables”中输入的是外生变量，系统默认 情况下将常数项c作为外生变量。 “Lag Intervals for Endogenous”中指定滞后区间
EViews统计分析基础教程
第11章 VAR模型和VEC模型
重点内容： • 向量自回归理论 • VAR模型的建立 • Johansen协整检验 • VEC模型的建立
1
EViews统计分析基础教程
一、向量自回归（VAR）模型
1.向量自回归理论
向量自回归模型可以用来预测相关联的经济时间序列系统， 并分析随机扰动对变量系统的动态冲击，进一步解释经济冲 击对经济变量所产生的影响。
在EViews软件操作中，选择VAR对象工具栏中的 “View”|“Lag Structure”|“Granger Causality/Block Exogeneity Tests”选项，可得到检验结果 。
9
EViews统计分析基础教程
一、向量自回归（VAR）模型
3. VAR模型的建立
VAR模型的滞后结构检验 （2）Granger因果检验 右图的检验结果为： 在5%的显著性水平下， 变量log(ex)能Granger引 起变量log(ms)，即拒绝 原假设；但变量log(ms) 不能Granger引起变量 log(ex)，即接受原假设。

在EViews软件操作中，选择VAR对象工具栏中的“View”|“Lag Structure”|“Granger Causality/Block Exogeneity Tests”选项，可 得到检验结果 。
EViews统计分析基础教程
一、向量自回归（VAR）模型
3. VAR模型的建立
VAR模型的滞后结构检验 （2）Granger因果检验 右图的检验结果为： 在5%的显著性水平下， 变量log(ex)能Granger引 起变量log(ms)，即拒绝 原假设；但变量log(ms) 不能Granger引起变量 log(ex)，即接受原假设。
结构VAR是指在模型中加入了内生变量的当期值，即解释变 量中含有当期变量，这是与VAR模型的不同之处。 下面以两变量SVAR模型为例进行说明。
xt=b10 + b12zt +γ11xt-1 +γ12 zt-1 + μxt zt=b20 + b21xt +γ21xt-1 +γ22 zt-1 + μzt 这是滞后阶数p=1的SVAR模型。其中，xt和zt均是平稳随机 过程；随机误差项μxt和μzt是白噪声序列，并且它们之间不相 关。系数b12表示变量的zt的变化对变量xt的影响；γ21表示xt-1 的变化对zt的滞后影响。该模型同样可以用如下向量形式表 达，即
EViews统计分析基础教程
一、向量自回归（VAR）模型
3. VAR模型的建立 VAR模型的滞后结构检验 （4）滞后阶数标准
选择VAR对象工具栏中的“View”|“Lag Structure”|“Lagபைடு நூலகம்Length Criteria”选项，在弹出的对话框中输入最大滞后 阶数，然后单击“OK”按钮即可得到检验结果。

5
用矩阵表示：

yt xt



111 121
112 122


yt1 xt1


211 221 源自212 222

yt2 xt2



u1t u2 t

待估参数个数为2 × 2×2= PN2
yNt 为应变量，以N个应变量y1t y2t
yNt
的最大p阶滞后变量为解释变量的方程组模型，方程组模 型中共有N个方程。显然，VAR模型是由单变量AR模型推广到 多变量组成的“向量”自回归模型。
对于两个变量（N=2），Yt ( yt xt )T 时，VAR(2)模型为
2
Yt iYti Ut 1Yt1 2Yt2 Ut i 1
建立VAR模型只需做两件事 第一，哪些变量可作为应变量？VAR模型中应 纳入具有相关关系的变量作为应变量，而变量间 是否具有相关关系，要用格兰杰因果关系检验确 定。 第二，确定模型的最大滞后阶数p。首先介绍 确定VAR模型最大滞后阶数p的方法：在VAR模型 中解释变量的最大滞后阶数p太小，残差可能存在 自相关，并导致参数估计的非一致性。适当加大p 值（即增加滞后变量个数），可消除残差中存在
（4）VAR模型需估计的参数较多。如VAR模型 含3个变量（N=3），最大滞后期为p=2，则有 PN2=2×32=18个参数需要估计；
（5）当样本容量较小时，多数参数估计的精 度较差，故需大样本，一般n>50。
注意： “VAR”需大写，以区别金融风险管理 中的VaR。
9
二、VAR模型中滞后阶数p的确 定方法
广泛应用，是当今世界上的主流模型之一。受到普遍重视， 得到广泛应用。