实验12 向量自回归模型Word下载.docx

1、（3）模型中包含的内生变量（Endogenous Variables）。VAR模型包含的内生变量。本例在内生变量中（Endogenous Variables）输入Lngp，lncp，lnip）。（4）内生变量滞后期区间（lag intervals for Endogenous ）。设置VAR模型中各变量的滞后区间。本案例在变量滞后期框中输入“1 3”，表明建立的模型最大滞后期是3期。（5）外生变量（Exogenous Variables）。VAR模型中包含的外生变量。在外生变量框中（Exogenous Variables）输入常数项C。设置结果如图3图3 var模型设置点击确定后输出的结果如图

2、4。图4 VAR估计结果写出其中一个估计的方程为： LNGPt=1.817LNGPt-1-0.27LNCPt-1-1.992LNGPt-2+1.223LNCPt-2+0.884LNGPt-3-0.493LNCPt-3 （4.545） （-0.744） （-3.789） （2.468） （1.928） （-1.167）步骤三、模型稳定性检验 在VAR估计结果的窗口中，点击view快捷菜单，在view菜单下选择 lag structure项，在lag structure子菜单下可分别选择 AR Roots Table和AR Roots Graph，表明分别计算特征根和绘制特征根图形。选择如图5。图

3、5 特征根表和特征根图形选择菜单特征根表和特征根图形分别如图6和图7图6 特征根表 图7 特征根图由特征根表或图形可知，该VAR模型有一个单位根，说明模型是非稳定的。步骤四、最佳滞后期选择在VAR估计结果的窗口中，点击view快捷菜单，在view菜单下选择 lag structure项，在lag structure子菜单下选择lag length criteria项，选择方法如图8.图8 最佳滞后期选择操作选择 lag length criteria后，系统会提示设置显示的最长滞后期，如图9。图9 滞后期设置点击确定后显示最佳滞后期计算结果，如图10。图10 最佳滞后期计算结果最佳滞后期选择标

4、准分别为LR、FPE、AIC、SC、HQ等，每个标准的含义在表下有解释。每个标准下的最佳滞后期都在数字的右上角加了*号。在本例中，多个标准都确定最佳滞后期是2期。步骤五、脉冲响应分析1.脉冲响应分析选项在VAR估计结果的窗口中，点击view快捷菜单，在view菜单下选择impulse response项，如图11。图11 脉冲响应分析eviews操作2.在脉冲响应显示方式（Display）中有多个选项，（1）显示形式。单选项分别是脉冲响应数据表、每个脉冲响应函数图、组合图。（2）响应函数的标准误。（3）显示的信息。包括脉冲函数和响应函数。本案例分别选择多个图型，脉冲序列和响应序列框中分别输入l

5、ngp,lncp和lnip，如图12。图12 脉冲响应分析设置确定后显示脉冲响应图，如图13。图13 脉冲响应图形本例中，脉冲响应图形共有九个，分别是每个内生变量对其它三个内生变量误差项的一个标准差大小的变化的反应程度序列。如第一个图是变量LNGP对LNGP误差项在当期有一个标准差大小的变化时，以后各期对该变化的反应序列。步骤六、格兰杰非因果性检验1.打开要进行因果性检验的序列lngp、lncp，点击view快捷键，在view菜单下选择 granger causality项。如图14。图14 因果性检验eviews操作2.设置滞后期，如图15。图15 滞后期设置 在本项选择中，可以设置不同的滞

6、后期，也可以选择系统自动设置的滞后期。3.分析结果图16 格兰杰因果检验结果检验结果表共有四列，第一列为原假设（Null Hypothesis），第二列为观察数据个数（obs）,第三列为F检验值统计值F-Statistic，第四列为伴随概率。 在第一个假设LNCP does not Granger Cause LNGP对应的伴随概率为0.000001，小于0.05，因此要拒绝假设，说明LNCP是LNGP的格兰杰原因，第二个检验LNGP does not Granger Cause LNCP对应的伴随概率为0.045，小于0.05，因此要拒绝假设，说明LNGP是LNCP的格兰杰原因，综合两个检验

7、结果，LNGP和LNCP两个变量存在相互的因果性。4. 三变量非因果性检验 选择三个序列LNGP、LNCP和LNIP，重复上述检验步骤。可以分析三个变量的因果性检验。如图17.图17 三变量因果性检验步骤七 协整检验1.打开检验协整关系待检验的三个时间序列LMGP，LNCP，LNIP。图18。图18 协整检验数据2 在快捷键中点击views，在views菜单中选择Cointegration Test项，得如下对话框：图19。图19 协整检验设置其中有5种选择。协整空间无常数项、无时间趋势项；协整空间有常数项、无时间趋势项，数据空间无常数项；协整空间有常数项、无时间趋势项；协整空间有常数项、有时

8、间趋势项，数据空间无时间趋势项；协整空间有常数项、有时间趋势项，数据空间有时间趋势项。上述5种情形总览。根据变量的实际情况作出选择。由第2种选择（k =3）得到的输出结果图20在没有协整关系假设检验中，伴随概率为0.0013，拒绝原假设，说明三个变量至少存在一个协整关系，继续进行第二个假设检验。在第二个假设为最多存在一个协整关系检验中，伴随概率为0.3835，接受该假设，说明三个变量最多存在一个协整关系，结合第一个检验，说明3个变量之间存在一个协整关系。第八步 建立VEC模型1.在work file 窗口下，点击Quick快捷菜单键，选Estimate VAR项得如下对话框。在VAR设定（VA

9、R Specification）对话框中选择建立向量误差修正模型（Vector Error Correction），内生变量框内输入LNGP、LNCP和LNIP三个变量，在滞后期区间框内输入1 2，如下图，图21在协整选择项中，协整个数输入一个，协整方程的确定项的设置与协整检验的设定相同，设置结果如图22。点击OK，图22 D（LNGP） = - 0.5438458417*（ LNGP（-1） - 1.24775656*LNCP（-1） + 0.*LNIP（-1） + 0.8110073021 ） + 1.283539471*D（LNGP（-1） - 0.7409819103*D（LNGP（-

10、2） - 0.8270585379*D（LNCP（-1） + 0.4102073215*D（LNCP（-2） - 0.*D（LNIP（-1） + 0.1445749105*D（LNIP（-2） + 0.D（LNCP） = - 0.1516834652*（ LNGP（-1） - 1.24775656*LNCP（-1） + 0.*LNIP（-1） + 0.8110073021 ） + 0.6489824053*D（LNGP（-1） + 0.*D（LNGP（-2） - 0.*D（LNCP（-1） - 0.1147992476*D（LNCP（-2） - 0.1230457837*D（LNIP（-1）

11、- 0.*D（LNIP（-2） + 0.D（LNIP） = - 1.620349119*（ LNGP（-1） - 1.24775656*LNCP（-1） + 0.*LNIP（-1） + 0.8110073021 ） + 5.219150804*D（LNGP（-1） - 2.464023512*D（LNGP（-2） - 4.240736382*D（LNCP（-1） + 1.170841548*D（LNCP（-2） - 0.4599573305*D（LNIP（-1） + 0.4104906627*D（LNIP（-2） + 0.案例分析3：英国购买力平价和利率平价的协整性分析，Johansen-Ju

12、selius （1992） Johansen-Juselius （1992） 发表在计量经济学杂志（Journal of Econometrics）第53卷，211-244页。1购买力平价和利率平价同种商品在不同国家应该保持相同价格。否则就会存在套利问题。但是当汇率可以自由浮动时，套利问题就会消除。用Pt表示国内商品价格，Pt*表示国外同类商品价格，Et表示购买力平价，则有Et = Pt / Pt*即一个单位的外国货币相当于多少本国货币。对数形式是LnEt = Ln Pt - LnPt*3个变量的长期均衡关系是Ln Pt - LnPt* - LnEt = u1t其中ut表示非均衡误差，是一个均

13、值为零，平稳的随机过程。在均衡点处有ut = 0。下面考虑与商品有关的资本市场条件。生产商品必然与金融资产相联系。而金融资产可以用金融债券度量。国内外对这些债券的利息率是不一样的。分别用Rt，Rt*表示。资本市场的套利行为对汇率形成压力。制定汇率必须使国内外利率差与t+1期、t期之间汇率差相等，即保证Rt - Rt* = E（t） （Et+1） - Et = u2t其中Et 表示名义汇率（货币的购买力平价）。E（t） （Et+1）表示t期对t+1期汇率的期望。u2t是非均衡误差，是一个平稳的随机过程。保持Rt，Rt*相等称为利率平价。2协整关系的预分析如果用 Yt = （LnPt, LnPt*

14、, LnEt, Rt, Rt*）表示变量列向量，希望能存在两个协整关系。1 = （1 -1 -1 0 0）2 = （0 0 0 1 -1）1表示购买力平价协整向量，2表示购利息率平价协整向量。3估计协整向量个数r。 用Pt表示英国商品综合批发价格指数。Pt*表示进口商品综合批发价格指数。Et表示英国实际汇率。Rt表示三个月的金融债券利率。Rt*表示三个月的欧元利率。样本数据范围是1972:1-1987:2。通过对数据走势的分析，认为批发价格指数序列中存在线性趋势。所以在VAR模型中应该有一个非约束常数项（既进入协整空间，也进入数据空间）。2阶VAR模型估计结果显示残差序列的峰度值很高（高峰厚尾

15、特征），为非正态分布。残差序列的方差很大主要是由于世界石油价格的变化造成的。用石油价格调整批发价格指数，再次估计2阶VAR模型。VAR模型残差序列的诊断检验结果见表1。表1 VAR模型残差的诊断检验方程内生变量标准差偏度峰度-3JB统计量序列相关检验，LM（20）1LnPt0.0070.291.274.84 （5.99）6.09 （9.59 （3LnEt0.0300.300.170.95 （13.54 （4Rt0.0110.580.253.55 （9.11 （16.41 （68.52r 1r 20.28549.42 47.21r 2r 30.25429.26 29.68r 3r 40.1021

16、1.67 4协整向量估计结果的分析与解释非约束的5个协整向量和5个调整向量见表3。i和i的顺序（从左至右）与特征根的大小顺序相对应。根据上面的协整向量个数检验结果（r = 2），说明1和2是协整向量，1和2是调整向量。表3 协整参数与调整参数的估计协整参数向量的估计123451.000.030.36-0.91-0.46-2.40-1.45-0.93-0.100.411.12-0.48-3.38-0.412.28-1.89-1.032.980.76调整参数向量的估计12345-0.070.04-0.010.00-0.02-0.040.010.10-0.15-0.050.06对于购买力平价的协整向量希望LnPt*与LnEt系数的符号相同，且都与LnPt的符号相反。观察1和2，显然1是购买力平价的协整向量。对于利率平价，希望Rt与Rt*系数的符号相反，显然2是利率平价的协整向量。1和2是标准化后的协整向量。对于1，取变量LnPt相应的系数为1；对于2，取变量Rt的相应系数为1。 Yt-1 = Yt-1 = =