資源描述：
《var模型、johansen協(xié)整檢驗在eviews中的具體操作步驟及結果解釋》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在教育資源-天天文庫。
1、1第十一章向量自回歸(VAR)模型和向量誤差 修正(VEC)模型本章的主要內(nèi)容：（1）VAR模型及特點；（2）VAR模型中滯后階數(shù)p的確定方法；（3）變量間協(xié)整關系檢驗；（4）格蘭杰因果關系檢驗；（5）VAR模型的建立方法；（6）用VAR模型預測；（7）脈沖響應與方差分解；（8）VECM的建立方法。2一、VAR模型及特點1.VAR模型—向量自回歸模型2.VAR模型的特點二、VAR模型滯后階數(shù)p的確定方法確定VAR模型中滯后階數(shù)p的兩種方法案例三、Jonhamson協(xié)整檢驗1.Johanson協(xié)整似然比
2、（LR）檢驗2.Johanson協(xié)整檢驗命令案例3.協(xié)整關系驗證方法案例四、格蘭杰因果關系檢驗1.格蘭杰因果性定義2.格蘭杰因果性檢驗案例五、建立VAR模型案例六、利用VAR模型進行預測案例七、脈沖響應函數(shù)與方差分解案例八、向量誤差修正模型案例31.VAR模型—向量自回歸模型經(jīng)典計量經(jīng)濟學中，由線性方程構成的聯(lián)立方程組模型，由科普曼斯（poOKmans1950）和霍德－科普曼斯（Hood-poOKmans1953）提出。聯(lián)立方程組模型在20世紀五、六十年代曾轟動一時，其優(yōu)點主要在于對每個方程的殘差和解
3、釋變量的有關問題給予了充分考慮，提出了工具變量法、兩階段最小二乘法、三階段最小二乘法、有限信息極大似然法和完全信息極大似然法等參數(shù)的估計方法。這種建模方法用于研究復雜的宏觀經(jīng)濟問題，有時多達萬余個內(nèi)生變量。當時主要用于預測和一、VAR模型及特點4政策分析。但實際中，這種模型的效果并不令人滿意。聯(lián)立方程組模型的主要問題：（1）這種模型是在經(jīng)濟理論指導下建立起來的結構模型。遺憾的是經(jīng)濟理論并不未明確的給出變量之間的動態(tài)關系。（2）內(nèi)生、外生變量的劃分問題較為復雜；（3）模型的識別問題，當模型不可識別時,為
4、達到可識別的目的，常要將不同的工具變量加到各方程中，通常這種工具變量的解釋能力很弱；（4）若變量是非平穩(wěn)的（通常如此），則會違反假設，帶來更嚴重的偽回歸問題。5由此可知，經(jīng)濟理論指導下建立的結構性經(jīng)典計量模型存在不少問題。為解決這些問題而提出了一種用非結構性方法建立各變量之間關系的模型。本章所要介紹的VAR模型和VEC模型，就是非結構性的方程組模型。VAR(VectorAutoregression)模型由西姆斯（C.A.Sims,1980）提出,他推動了對經(jīng)濟系統(tǒng)動態(tài)分析的廣泛應用，是當今世界上的主流
5、模型之一。受到普遍重視，得到廣泛應用。VAR模型主要用于預測和分析隨機擾動對系統(tǒng)的動態(tài)沖擊，沖擊的大小、正負及持續(xù)的時間。VAR模型的定義式為：設是N×1階時序應變量列向量，則p階VAR模型（記為VAR(p)）：（11.1）6式中，是第i個待估參數(shù)N×N階矩陣;是N×1階隨機誤差列向量;是N×N階方差協(xié)方差矩陣；p為模型最大滯后階數(shù)。由式（11.1）知，VAR(p)模型，是以N個第t期變量為應變量，以N個應變量的最大p階滯后變量為解釋變量的方程組模型，方程組模型中共有N個方程。顯然，VAR模型是由單變
6、量AR模型推廣到多變量組成的“向量”自回歸模型。對于兩個變量（N=2），時，VAR(2)模型為7用矩陣表示：待估參數(shù)個數(shù)為2×2×2=用線性方程組表示VAR(2)模型：顯然，方程組左側是兩個第t期內(nèi)生變量；右側分別是兩個1階和兩個2階滯后應變量做為解釋變量，且各方程最大滯后階數(shù)相同,都是2。這些滯后變量與隨機誤差項不相關（假設要求）。8由于僅有內(nèi)生變量的滯后變量出現(xiàn)在等式的右側，故不存在同期相關問題，用“LS”法估計參數(shù)，估計量具有一致和有效性。而隨機擾動列向量的自相關問題可由增加作為解釋應變量的滯后
7、階數(shù)來解決。這種方程組模型主要用于分析聯(lián)合內(nèi)生變量間的動態(tài)關系。聯(lián)合是指研究N個變量間的相互影響關系，動態(tài)是指p期滯后。故稱VAR模型是分析聯(lián)合內(nèi)生變量間的動態(tài)關系的動態(tài)模型，而不帶有任何約束條件，故又稱為無約束VAR模型。建VAR模型的目的：（1）預測，且可用于長期預測；（2）脈沖響應分析和方差分解，用于變量間的動態(tài)結構分析。9所以,VAR模型既可用于預測,又可用于結構分析。近年又提出了結構VAR模型（SVAR：StructuralVAR）。有取代結構聯(lián)立方程組模型的趨勢。由VAR模型又發(fā)展了VEC
8、模型。2.VAR模型的特點VAR模型較聯(lián)立方程組模型有如下特點：（1）VAR模型不以嚴格的經(jīng)濟理論為依據(jù)。在建模過程中只需明確兩件事：第一，哪些變量應進入模型（要求變量間具有相關關系——格蘭杰因果關系）；第二，滯后階數(shù)p的確定（保證殘差剛好不存在自相關）；10（2）VAR模型對參數(shù)不施加零約束（如t檢驗）；（3）VAR模型的解釋變量中不含t期變量，所有與聯(lián)立方程組模型有關的問題均不存在；（4）VAR模型需估計的參數(shù)較多。如VAR模型含3個變量（N=3），
