VAR模型应用案例解析完成.docx
《VAR模型应用案例解析完成.docx》由会员分享,可在线阅读,更多相关《VAR模型应用案例解析完成.docx(16页珍藏版)》请在冰豆网上搜索。
VAR模型应用案例解析完成
VAR模型应用实例
众所周知,经济的发展运行离不开大量能源的消耗,尤其是在现代经济发展的过程中,
能源的重要性日益提升。
我国自改革开放以来,经济发展取得长足的进步,经济增长率一直处于较高的速度,经济的高速增长带来了能源的大量消耗,进而带来了我国能源生产的巨大
提高。
因此,研究经济增长率与能源生产增长率之间的关系具有重要的意义,能为生源生产
提供一定的指导意义。
1•基本的数据
我们截取1978—2015年中国经济增长速度(GDP增速)和中国能源生产增长速度数据,具体数据如下:
表11978――2016年中国经济和能源生产增长率
年份
国内生产总值增长速度(%
能源生产增长速度(%
年份
国内生产总值增长速度(%
能源生产增长速度(%
1978
11.7
10.4
1997
9.2
0.3
1979
7.6
3.7
1998
7.8
-2.7
1980
7.8
-1.3
1999
7.7
1.6
1981
5.1
-0.8
2000
8.5
5
1982
9
5.6
2001
8.3
6.4
1983
10.8
6.7
2002
9.1
6
1984
15.2
9.2
2003
10
14.1
1985
13.4
9.9
2004
10.1
15.6
1986
8.9
3
2005
11.4
11.1
1987
11.7
3.6
2006
12.7
6.9
1988
11.2
5
2007
14.2
7.9
1989
4.2
5.1
2008
9.7
5
1990
3.9
2.2
2009
9.4
3.1
1991
9.3
0.9
2010
10.6
9.1
1992
14.2
2.3
2011
9.5
9
1993
13.9
3.6
2012
7.9
3.2
1994
13
6.9
2013
7.8
2.2
1995
11
8.7
2014
7.3
0.9
1996
9.9
3.1
2015
6.9
1.2
2•序列平稳性检验(单位根检验)
使用Eviews9.0来创建一个无约束的VAR模型,用gdp表示的是中国经济的增长率,用nysc表示中国能源生产的增长率,下面分别对gdp和nysc进行单位根检验,验证序列是否
平稳,能否达到建立VAR模型的建模前提。
墮Series:
GDPWorkfile:
UNTITLED:
:
Untitled\
vie1.?
ProtObject
Properties
Prirt
Name
Freeze
Sample
Gerr
SheetjGraph]£
AugmentedDick呼FillerUnitRootTestonGDP
NullHypothesis:
GDPhasaunitroot
Exogenojs:
Constant
LagLength:
3(Automatic-basedonSIC,maxlag=9]
t-Statistic
Prob?
AugmentedDickey-Fullerteststatistic
-3367553
00056
Testcriticalvalues:
1%level
5%level
10%level
-3639407
-2961125
-2.611300
■MacKinnon(1956;one^sid&dp-values.
AugmentedDickey-FullerTestEquation
DependentVariable:
D(GDP)Method.LeastSquares
Date:
05/17/17Time:
10:
55
Sample(adjusted):
19822015
Includedobseruations:
afteradjustments
Variable
Coefficient
St!
Error
t-Statistic
Prob.
GDP(-1)
-0.856171
0.221114
<1667553
0.0006
CXGDPH))
0.625631
0.193529
3.232755
10031
D(GDP罔)
0.049240
0.175617
0.280544
07811
D(GDP(-3B
0.284937
0.107348
1583145
01242
C
3.540050
2222961
3,841745
00006
R-squareri0.45S475Meandependentvar0.052941
AdjustedR-squared0383792S.Dd即的血吋调「2.545731
rrI車mpGrc;,.4“內ermi,占耗…討尺讨小门d
图2.1经济增速(GDP)的单位根检验
AugmentedDickey-FullerUnitRootTestonMYSC
hullHypothesis:
NYSChasaunitroot
Dwg&nous;Constant
LagLength:
1fAutomatic-basedonSIC,rnaj(lag=9)
t-StatisticProb*
AUQniMt£(1Die魁y-FUll总「tests情t圖t-3.935987(LQD4弓
Testcriticalvalues:
1%level-3.626784
S%kvel-2945S42
10%level-2.611531
*MacKinnon(1996)one-sidedf>valjes.
AugrnentedDicke?
-FullerTestEquationDependentVariable:
D(NYSC)Method:
LeastSquares
Date:
05/17/17Tine:
10:
59
Sample[adjusted);19302015
Includedobservations:
36afteradjustm&nts
Variable
Coefficient
StdError
1-8!
atistic
Prob.
hYSCM)
-0530986
0134905
-3935987
00004
D[N¥SC(-1»
0430549
0.150055
2922585
00062
C
2746938
0057266
1204300
00030
R-squared
034306B
Maindependentvar
-0069444
.AdjustedR-squared
0.303254
SDdependentwar
3.610704
S.E.ofregression
2930431
Akaikeinfocriterion
5067831
Sumsquaredresid
283.3851
Schwarzcriterion
5.199791
Loglikelihood
-88.22096
Hannan-Quinncriter.
5.113889
F-statistic
8.&16746
Durbin-Wstsorstat
1.990251
ProLiF-slatiStic)
0.000975
Vi«w
Proc
Objirt
PrintName
Freeze
Eitimate
Forecait
VectorAutoreQresaionEstimates
VedorAutor&gressionEstimates
Date:
05/17H7Time:
11:
03
Sample(adjusted)'19802015
Includedobservations:
36afteradjustmentsStanaaroerrorsin()&卜statisticsin[]
GDP
NYSC
GDP[-1)
0.S25544
(0.16499>
[5.00369]
0.271698
[0.23&99]
[1.15086]
GDP卜2)
-0.530495
(015625)
[-3.19096]
-0292356(0237B0)[^122942]
NYSC{-1^
-0.052225
(0.11565)
[-Q.45156]
0.S4-6355
(0.16542:
IS11612]
NYSC(-2)
0.1B6100(0.11349)11.63977]
■0.357568
[0.16234)
1-220263]
G
6.194513
C1.50887>
14.10539'
2.8B3291(215827)[1.32665]
R-squared
0.492565
9554387
Adj.R-squared
0.427089
0.4&B朋9
Sumsq.resid合
1305151
267.0323
SEequation
2.051969
2934965
F-statistic
Z522S90
9,641791
Loglikelihood
-74,26525
-87.15117
AltaikreAIC
4.403525
5119509
SchwarzSC
4.S23558
5339442
Meandependent
9.738069
5016667
SDdeperdent
2.710&54
4137805
Determinantresidcovariance(doradj.)
30.72390
Determinantresidcovariance
22.78215
Loqlikelihood
-15B4312
AltaiIceinformationcrit&rior
9357287
Schwaitcriterion
9797154
图3.1模型的估计结果
ViewProcObjectPrintNameIFreezeEstimateForecastStatsIrnpulseReids.
^stiB&tiuLFroo:
LS12CDF1I1!
SC
mModftL:
GDP=C(LQikGDf(-1)+C(L2)^CDP(-2)C(L3>KY£C(-1)+C(L4)*infSC(-2)+C(L5;1IY5C=CC2.1)*CDP(-1^+CC2J2)*CBP(-2)+CC2,3)*liySC(-1)■+Cfe4)*NVEC(-2)+匸②引
VALModfll-Sulititut«dC»«££iai«nti
GKP=fl.5E55W312335*^(-1)-0*%M西7俞裁4包理-2)-Q,05£2EV^K£W5C(-1)+□.10S100450724*B¥SC(-E)+0.194516^4763
ifYSC=0.271567998674*GIiFC-l)-0.29^356168154*GDP^J034535506574?
«ffTSC(-1)-□.35^STS^748*]JV3C(-£)+2363251061?
3
图3.2模型的表达式
4•模型的检验
4.1模型的平稳性检验
回Var:
UNTITLEDWorkfile:
UNTITLED:
:
Untitled\
VTProcObjectPrintNam«Freeze|jFo(«ust刃
VARStabilityConditionCheck
RootsofCharacteristicPolynomialEndogenousvariables:
GDPNYSCExogenousvariaties:
C
Lagspecification12
Date:
05/17/17Time.11:
11
RootModulus
C.5&60S5-0,45170810724220
0-5&eoe5^0.4517C9i0.724220
0.2B9664-0B26551i0.632196
0.2BS964+0.626551i&.6921北
Norootliesoutsidetheunitcircle.'■/ARsatisHesth^slabiii>condition
图4.1.1AR根的表
由图4.1.1知,AR所有单位根的模都是小于1的,因此估计的模型满足稳定性的条件。
图4.1.2AR根的图
通过对GDP增长率和能源生产增长率进进行了VAR模型估计,并采用AR根估计的方法
对VAR模型估计的结果进行平稳性检验。
AR根估计是基于这样一种原理的:
如果VAR模型所
有根模的倒数都小于1,即都在单位圆内,则该模型是稳定的;如果VAR模型所有根模的倒
数都大于1,即都在单位圆外,则该模型是不稳定的。
由图4.1.2可知,没有根是在单位圆
之外的,估计的VAR模型满足稳定性的条件。
4.2Granger因果检验
图4.2.1Granger因果检验结果图
Granger因果检验的
原假设是:
Ho:
变量x不能Granger引起变量y
备择假设是:
Hi:
变量x能Granger引起变量y
对VAR
(2)进行Granger因果检验在1%的显著性水平之下,经济增速(GDP)能够Granger引起能源生产增速(NYSC的变化,即拒绝了原假设;同时,能源生产增速(NYSC能够
Granger经济增速(GDP)的变化,即拒绝了原假设,接受备择假设。
5滞后期长度
画VOf;UNTITLEDWnrlcfilg;UNTrTLEO;UnUtled\
/lew
ProcObjectPrintNdme
Freeze
Eillin^le
Foneedit
Stdts
Impuhe
Re、l站Zocni
VARLagDrderSelectionCriteriaEn^enousvanaues:
GDP忖YSCExogenousvariables;C
Date05/17/17Time11IB
Sample19782015
Indud&dDbser\3ticns34
Lag
Lo乩
LR
rPE
AIC
SC
HQ
0
-1727423
MA
99.80696
10.27896
1036874
T0.30958
1
-153.3550
25.32394
55.84140
9.597351
9.966709
9.789210
2
^1460797
16,38127*
37.G1303*
9.747^36*
日,451旳了
3
_147Ogg
D.Q23634
^6.34365
9.409307
1012M
714234
4
-145.4934
2.940916
£265883
9.517S55
1042563
9.B53131
*indicateslagorderselectedbycriteron
LE.s^quenialmjdifitdURivststatisfiG(eachtestX5背level)
FPE:
-ina.lprediction也「nor
A1C:
AkaiKeinformationcriterion
SC:
Schwatzinfomationcriterion
HQ:
l-annan-cimnninJomatiQnentericn
图5.1VAR模型滞后期选择结果
从上图可以看出LR,FPE,AIC,SC,H都指向同样的2阶滞后期,因此应该选择VAR
(2)
进行后续的分析。
6•脉冲函数
图6.1各因素脉冲响应函数结果图
从图6.1可以看出:
经济增长率(GDP和能源生产(NYSC各自对于自身的冲击,在前四期是快速下降的趋势,并且出现负值的情况。
但是,GDP增速的变化基本上在第七期就保持了持平的一个状况;而能源生产(NYSC的变化是在第九期的时候实现持平的状态。
能源生产增长率(NYSC对于经济增长率(GDP)的脉冲响应分析,当给经济增长一个正的冲击的时候,在前两期是呈现一个下降的趋势,主要的原因应该是,经济增长促进能源
生产的提高是存在滞后期的,但是但很快就出现了上升的趋势在第五期的时候达到最大值,之后出现了下降的趋势,然后又回升,直到第十期之后保持了平衡。
这说明经济增长对于能
源生产增长的影响是正向的,会呈现一种上升、下降、平衡的基本状态,说明经济发展对能源生产的促进作用并不是无限的,经过一定作用之后看,会出现一种平衡状态。
经济增长率(GDP)对于能源生产增长率(NYSC的脉冲响应分析,经过对比图中第2
幅和第3幅小图,我们大致是可以看出两者之间是呈现完全相反的情况。
当在本期给能源生
产增长率(NYSC—个正冲击之后,前两期是增长,然后到第五期是下降趋势,然后回升,在第七期之后基本上持平。
7•方差分析
View
Proc
Object
Print
Name
Freeze
Estimate
Forecast
Stats
Impulse
Reside
Zoom
VarianceD住corn(Krilion
VarianceOecompositionofGDP:
PeriodGEGDPNYSC
01234567890
JIJI1JIJIri—JIJI112
21
22
23
24
25
笛
27
23
29
30
Z051B69
100.0000
0.000000
2625782
9971154
0.2SS453
2.669556
9S.72143
1,278570
2.763606
92.91947
7.080533
2.845153
8911011
10.88989
2051171
8E.88713
1111287
2.059627
88.43007
11.5^993
2.&72410
37.53734
12.3^265
2875777
37.40490
12.59510
287G820
37.40231
1259769
2.877548
8733711
12S1269
2378296
8737307
1262693
2.878481
8736707
12.53293
2.373525
97.36509
12.63491
2.878578
87.36508
1263492
2.878601
87.36524
12.63476
2070613
97364B6
1263534
2.S7S625
B736392
1233508
2S73629
8736368
12.53632
Z378630
87^6369
12:
53531
2379631
97.36364
12,6363&
2870632
87.30350
12.63642
2.373633
37.36356
12.53044
2.S73633
37.3B35G
12.63&44
2373633
3736356
12.63544
2.873633
87.36356
12.53&44
2878633
8736356
1263&44
2.878633
87.36356
1Z63B4+
2078633
8730356
12163544
2,678633
87.36356
12.53&44
图7.1经济增长(GDP)方差分析结果
ViewPr©Object||PrintNameFreezeEstimateFo岸StatsImpuheR呵dsZoqit
VarianceDecomposition
VarianceDecampositionofMYSC:
PeriodSE.GDPNYSC
1
2.934956
15262-42
S4.71753
2
4.022091
2257676
7742324
3
4.191948
23.79349
76.20652
4
4.20362S
24.17651
75.S2349
5
4.266184
2624795
73.75205
6
4293875
27.14570
72.S5430
7
i307023
2709928
7290072
8
4.314730
2706764
7293236
9
4.318401
2710S7S
72.09324
10
4319996
27.12522
72.97479
11
4.320225
2711455
72.30545
佗
4321254
571C257
72.99743
13
4.321463
27.0S9S4
7290006
14
4.321487
27,10069
7239931
15
4.321583
27.1C15&
72.39341
15
4321649
27.1C1S4
723931S
17
4.321654
271C171
7239329
18
4.321669
2710177
72B9823
19
4.321674
27.10192
72.&9308
20
4.321676
27.10167
72.SQS03
21
4321676
27,10195
7236805
22
4321679
27.10165
72SQS05
23
432-1679
271C195
72B9805
24.
4.32167S
271C1S5
72B9805
25
4321679
27.W195
72S93Q5
2&
4.321630
27