《第十一章向量自回歸VAR模型和向量誤差修正VEC模型理論及EVIEWS操作》由會員分享，可在線閱讀，更多相關《第十一章向量自回歸VAR模型和向量誤差修正VEC模型理論及EVIEWS操作（100頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、1第十一章第十一章 向量自回歸向量自回歸 ( VAR) 模型和向量誤差模型和向量誤差 修正修正 ( (VEC)VEC)模型模型本章的主要內容：本章的主要內容： （1 1）VARVAR模型及特點；模型及特點； （2 2）VARVAR模型中滯后階數(shù)模型中滯后階數(shù)p p的確定方法；的確定方法； （3 3）變量間協(xié)整關系檢驗；）變量間協(xié)整關系檢驗； （4 4）格蘭杰因果關系檢驗；）格蘭杰因果關系檢驗； （5 5）VARVAR模型的建立方法；模型的建立方法； （6 6）用）用VARVAR模型預測；模型預測； （7 7）脈沖響應與方差分解；）脈沖響應與方差分解； （8 8）VECMVECM的建立方法。的建

2、立方法。 2一、一、VAR模型及特點模型及特點 1. VAR模型模型向量自回歸模型向量自回歸模型 2. VAR模型的特點模型的特點 二、二、VAR模型滯后階數(shù)模型滯后階數(shù)p的確定方法的確定方法 確定確定VAR模型中滯后階數(shù)模型中滯后階數(shù) p 的兩種方法的兩種方法 案例案例 三、三、Jonhamson協(xié)整檢驗協(xié)整檢驗 1.Johanson協(xié)整似然比（協(xié)整似然比（LR）檢驗）檢驗 2.Johanson協(xié)整檢驗命令協(xié)整檢驗命令 案例案例 3.協(xié)整關系驗證方法協(xié)整關系驗證方法 案例案例 四、四、 格蘭杰因果關系檢驗格蘭杰因果關系檢驗 1.格蘭杰因果性定義格蘭杰因果性定義 2.格蘭杰因果性檢驗格蘭杰因果

3、性檢驗 案例案例 五、五、 建立建立VAR模型模型 案例案例 六、利用六、利用VAR模型進行預測模型進行預測 案例案例七、脈沖響應函數(shù)與方差分解七、脈沖響應函數(shù)與方差分解 案例案例八、向量誤差修正模型八、向量誤差修正模型 案例案例31. VAR模型模型向量自回歸模型向量自回歸模型 經典計量經濟學中，由線性方程構成的聯(lián)立方程經典計量經濟學中，由線性方程構成的聯(lián)立方程組模型，由科普曼斯（組模型，由科普曼斯（poOKmans1950）和霍德科普曼和霍德科普曼斯（斯（Hood-poOKmans1953）提出。聯(lián)立方程組模型在提出。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世

4、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釋變量的有關問題給予了充分考慮，提出了程的殘差和解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濟問題，有時多法。這種建模方法用于研究復雜的宏觀經濟問題，有時多達萬余個內生變量。當時主要用于預測和達萬余個內生變量。當時主要用于預測和一、一、VARVAR模型及特點模型及特點4政策分析。但實際中，這種模型的效果并不

5、令人滿政策分析。但實際中，這種模型的效果并不令人滿意。意。 聯(lián)立方程組模型的主要問題：聯(lián)立方程組模型的主要問題： （1）這種模型是在經濟理論指導下建立起來的結構模型）這種模型是在經濟理論指導下建立起來的結構模型。遺憾的是經濟理論并不未明確的給出變量之間的動態(tài)關。遺憾的是經濟理論并不未明確的給出變量之間的動態(tài)關系。系。 （2）內生、外生變量的劃分問題較為復雜；）內生、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）模型的識別問題，當模型不可識別時,為達到可識別為達到可識別的目的，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

6、變量的解釋能力很弱；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，）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。帶來更嚴重的偽回歸問題。5 由此可知，經濟理論指導下建立的結構性經典計量模由此可知，經濟理論指導下建立的結構性經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。本章所要介紹的性方法建立各變量之間關系的模型。本章所要介紹的VARVAR模模型和型和VECVEC模型，就是非結構性的方程組模型。模型，就是非結構性的方程組模型。 VAR (Vecto

7、r Autoregression) VAR (Vector Autoregression)模型由西姆斯模型由西姆斯（C.A.Sims,1980C.A.Sims,1980）提出提出, ,他推動了對經濟系統(tǒng)動態(tài)分析的他推動了對經濟系統(tǒng)動態(tài)分析的廣泛應用，是當今世界上的主流模型之一。受到普遍重視，廣泛應用，是當今世界上的主流模型之一。受到普遍重視，得到廣泛應用。得到廣泛應用。 VAR 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。擊，沖擊的大小、正負及持續(xù)的時間。 VAR VAR模型的定義式為：設模型的定義式為：設 是

8、是N N1 1階時序階時序應變量列向量，則應變量列向量，則p p階階VARVAR模型（記為模型（記為VAR(p)VAR(p)）：）：12( )TtttNtYy yyp11221ti t itttp t ptiYYUYYYU(0,)tUIID（11.1）6式中，式中， 是第是第i i個待估參數(shù)個待估參數(shù)N NN N階矩陣階矩陣; ; 是是N N1 1階隨機誤差列向量階隨機誤差列向量; ; 是是N NN N階方差協(xié)方差矩陣；階方差協(xié)方差矩陣； p p 為模型最大滯后階數(shù)。為模型最大滯后階數(shù)。 由式（由式（11.111.1）知，）知，VAR(p)VAR(p)模型，是以模型，是以N N個第個第t t期

9、變量期變量 為應變量，以為應變量，以N N個應變量個應變量的最大的最大p p階滯后變量為解釋變量的方程組模型，方程組模階滯后變量為解釋變量的方程組模型，方程組模型中共有型中共有N N個方程。顯然，個方程。顯然，VARVAR模型是由單變量模型是由單變量ARAR模型推廣到模型推廣到多變量組成的多變量組成的“向量向量”自回歸模型。自回歸模型。 對于兩個變量（對于兩個變量（N=2N=2），）， 時，時，VAR(2)VAR(2)模型為模型為(i 1,2, ,p)i12( u u )TtttNtUu12ttNtyyy12ttNtyyy(x )TtttYy211221ti t ittttiYYUYYU7用矩

10、陣表示：用矩陣表示： 待估參數(shù)個數(shù)為待估參數(shù)個數(shù)為2 2 2 22=2=用線性方程組表示用線性方程組表示VAR(2)VAR(2)模型：模型： 顯然，方程組左側是兩個第顯然，方程組左側是兩個第t t期內生變量；右側分期內生變量；右側分別是兩個別是兩個1 1階和兩個階和兩個2 2階滯后應變量做為解釋變量，且階滯后應變量做為解釋變量，且各方程最大滯后階數(shù)相同各方程最大滯后階數(shù)相同, ,都是都是2 2。這些滯后變量與隨。這些滯后變量與隨機誤差項不相關（假設要求）。機誤差項不相關（假設要求）。121111112211212121122122122222ttttttttyyyuxxxu 111111212

11、1122122112111221221222222ttttttttttttyyxyxuxyxyxu2PN8 由于僅有內生變量的滯后變量出現(xiàn)在等式的由于僅有內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，用右側，故不存在同期相關問題，用“LS”LS”法估計法估計參數(shù)，估計量具有一致和有效性。而隨機擾動列參數(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向量的自相關問題可由增加作為解釋應變量的滯后階數(shù)來解決。后階數(shù)來解決。 這種方程組模型主要用于分析聯(lián)合內生變量這種方程組模型主要用于分析聯(lián)合內生變量間的動態(tài)關系。聯(lián)合是指研究間的動態(tài)關系。聯(lián)合是指研究N

12、N個變量個變量 間的相互影響關系，動態(tài)是指間的相互影響關系，動態(tài)是指p p期滯后。故稱期滯后。故稱VARVAR模型是分析聯(lián)合內生變量間的動態(tài)關系的動態(tài)模模型是分析聯(lián)合內生變量間的動態(tài)關系的動態(tài)模型，而不帶有任何約束條件，故又稱為無約束型，而不帶有任何約束條件，故又稱為無約束VARVAR模型。建模型。建VARVAR模型的目的：模型的目的： （1 1）預測，且可用于長期預測；）預測，且可用于長期預測； （2 2）脈沖響應分析和方差分解，用于變量間）脈沖響應分析和方差分解，用于變量間的動態(tài)結構分析。的動態(tài)結構分析。12ttNty yy9 所以所以, VAR, VAR模型既可用于預測模型既可用于預測,

13、 ,又可用于結構又可用于結構分析。近年又提出了結構分析。近年又提出了結構VARVAR模型（模型（SVARSVAR：Structural VARStructural VAR）。）。 有取代結構聯(lián)立方程組模有取代結構聯(lián)立方程組模型的趨勢。由型的趨勢。由VARVAR模型又發(fā)展了模型又發(fā)展了VECVEC模型模型。 2. VAR模型的特點模型的特點 VARVAR模型較聯(lián)立方程組模型有如下特點：模型較聯(lián)立方程組模型有如下特點： （1 1）VARVAR模型不以嚴格的經濟理論為依據(jù)。模型不以嚴格的經濟理論為依據(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

14、求變量間具有相關關系應進入模型（要求變量間具有相關關系格蘭格蘭杰因果關系杰因果關系 ）；第二，滯后階數(shù)）；第二，滯后階數(shù)p p的確定（保證的確定（保證殘差剛好不存在自相關）；殘差剛好不存在自相關）；10 （2 2）VARVAR模型對參數(shù)不施加零約束（如模型對參數(shù)不施加零約束（如t t檢檢驗）；驗）； （3 3）VARVAR模型的解釋變量中不含模型的解釋變量中不含t t期變量，所期變量，所有與聯(lián)立方程組模型有關的問題均不存在；有與聯(lián)立方程組模型有關的問題均不存在； （4 4）VARVAR模型需估計的參數(shù)較多。如模型需估計的參數(shù)較多。如VARVAR模型模型含含3 3個變量（個變量（N=3N=3），

15、），最大滯后期為最大滯后期為p=2p=2，則有則有 =2=232=1832=18個參數(shù)需要估計；個參數(shù)需要估計； （5 5）當樣本容量較小時，多數(shù)參數(shù)估計的精）當樣本容量較小時，多數(shù)參數(shù)估計的精度較差，故需大樣本，一般度較差，故需大樣本，一般n50n50。 注意：注意： “VAR”“VAR”需大寫，以區(qū)別金融風險管需大寫，以區(qū)別金融風險管理中的理中的VaRVaR。2PN11 建立建立VARVAR模型只需做兩件事模型只需做兩件事 第一，哪些第一，哪些變量可作為應變量？變量可作為應變量？VARVAR模型中應模型中應納入具有相關關系的變量作為應變量，而變量間納入具有相關關系的變量作為應變量，而變量間

16、是否具有相關關系，要用格蘭杰因果關系檢驗確是否具有相關關系，要用格蘭杰因果關系檢驗確定。定。 第二，確定模型的最大滯后階數(shù)第二，確定模型的最大滯后階數(shù)p p。首先介紹首先介紹確定確定VAR模型最大滯后階數(shù)模型最大滯后階數(shù)p的方法：的方法：在在VARVAR模型模型中解釋變量的最大滯后階數(shù)中解釋變量的最大滯后階數(shù)p p太小，殘差可能存在太小，殘差可能存在自相關，并導致參數(shù)估計的非一致性。適當加大自相關，并導致參數(shù)估計的非一致性。適當加大p p值（即增加滯后變量個數(shù)），可消除殘差中存在值（即增加滯后變量個數(shù)），可消除殘差中存在 二、二、VARVAR模型模型中滯后階數(shù)中滯后階數(shù)p p的確的確定方法定方

17、法 12的自相關。但的自相關。但p p值又不能太大。值又不能太大。p p值過大，待估參數(shù)多值過大，待估參數(shù)多, ,自由度降低嚴重，直接影響模型參數(shù)估計的有效性。自由度降低嚴重，直接影響模型參數(shù)估計的有效性。這里介紹兩種常用的確定這里介紹兩種常用的確定p p值的方法。值的方法。 （1）用赤池信息準則（）用赤池信息準則（AIC）和施瓦茨（）和施瓦茨（SC）準）準則確定則確定p值。值。確定確定p p值的方法與原則是在增加值的方法與原則是在增加p p值的過程值的過程中，使中，使AICAIC和和 SCSC值同時最小。值同時最小。 具體做法是具體做法是：對年度：對年度、季度數(shù)據(jù)，一般比較到季度數(shù)據(jù)，一般比

18、較到P=4P=4，即分別建立，即分別建立VAR(1)VAR(1)、VAR(2)VAR(2)、VAR(3)VAR(3)、VAR(4)VAR(4)模型模型，比較，比較AICAIC、SCSC，使它們同時取最小值的，使它們同時取最小值的p p值即為所求值即為所求。而對月度數(shù)據(jù)，一般比較到。而對月度數(shù)據(jù)，一般比較到P=12P=12。 當當AICAIC與與SCSC的最小值對應不同的的最小值對應不同的p p值時，只能用值時，只能用LRLR檢驗法。檢驗法。13 （2）用似然比統(tǒng)計量）用似然比統(tǒng)計量LR選擇選擇p值。值。LRLR定義為定義為： 式中，式中， 和和 分別為分別為VAR(p)VAR(p)和和VAR(

19、p+i)VAR(p+i)模型的對數(shù)似然函數(shù)值；模型的對數(shù)似然函數(shù)值；f f為自由度。為自由度。 用對數(shù)似然比統(tǒng)計量用對數(shù)似然比統(tǒng)計量LRLR確定確定P P的方法用案例說的方法用案例說明。明。 22 ln ( ) ln ()( )(11.2)LRl pl p iflnl(p+i)lnl(p)14 案例案例1 我國我國19531953年年20042004年支出法國內生產總年支出法國內生產總值（值（GDPGDP）、最終消費（）、最終消費（CtCt）和固定資本形成總額（）和固定資本形成總額（ItIt） 的時序數(shù)據(jù)列于的時序數(shù)據(jù)列于D8.1D8.1中。數(shù)據(jù)來源于中。數(shù)據(jù)來源于中國統(tǒng)計年鑒中國統(tǒng)計年鑒各期

20、。各期。 用商品零售價格指數(shù)用商品零售價格指數(shù)p90p90（19901990年年=100=100）對）對GDPGDP、CtCt和和ItIt進行平減，以消除物價變動的影響，并進行自然進行平減，以消除物價變動的影響，并進行自然對數(shù)變換，以消除序列中可能存在的異方差，得到新序對數(shù)變換，以消除序列中可能存在的異方差，得到新序列：列： LGDPt=LOG(GDPt/p90t) LGDPt=LOG(GDPt/p90t)； LCt=LOG(Ct/p90t) LCt=LOG(Ct/p90t)； LIt=LOG(It/p90t) LIt=LOG(It/p90t)。GDPGDP、 CtCt和和 ItIt與與LGD

21、PtLGDPt、 LCt LCt和和LItLIt的時序圖分別示于的時序圖分別示于圖圖11-111-1和圖和圖11-211-2，由圖，由圖11-211-2可以看出，三個對數(shù)序列的可以看出，三個對數(shù)序列的變化趨勢基本一致，可能存在協(xié)整關系。變化趨勢基本一致，可能存在協(xié)整關系。150400008000012000016000055606570758085909500GDPCTIT5678910111255606570758085909500LGDPLCTLIT圖圖11-1 GDPt、Ct和 It的時序圖圖圖11-2 LGDPt、LCt和LIt的時序圖16 表表11.1 PP單位根檢驗結果單位根檢驗結

22、果 檢驗 檢驗值 5% 模型形式 DW值 結 論 變量 臨界值 （C t p） -4.3194 -2.9202 (c 0 3) 1.6551 LGDPt I(1) -5.4324 -2.9202 (c 0 0) 1.9493 LCt I( 1) -5.7557 -2.9202 (c 0 0) 1.8996 LItI(1) 注C為位移項，t為趨勢，p為滯后階數(shù)。 由表由表11.111.1知，知， LGDPtLGDPt、 LCt LCt和和LItLIt均為一階均為一階單整，可能存在協(xié)整關系。單整，可能存在協(xié)整關系。2tLGDPLCt2LIt2 由于由于 LGDP LGDP、 LCt LCt和和LI

23、tLIt可能存在協(xié)整關系，可能存在協(xié)整關系，故對它們進行單位根檢驗，且選用故對它們進行單位根檢驗，且選用pppp檢驗法。檢檢驗法。檢驗結果列于表驗結果列于表11.1.11.1.案例案例 1 (一一)單位根檢驗單位根檢驗17 案例案例1 (二二)滯后階數(shù)滯后階數(shù)p的確定的確定 首先用赤池信息準則（首先用赤池信息準則（AICAIC）和施瓦茨（）和施瓦茨（SCSC）準則選擇準則選擇p p值，計算結果列于表值，計算結果列于表11.211.2。 表表11.2 AIC11.2 AIC與與SCSC隨隨p p的變化的變化 由表由表11.2知知,AIC和和SC最小值對應的最小值對應的p值均為值均為， 故應取故應

24、取VAR模型滯后階數(shù)模型滯后階數(shù)p=2 。 p AIC SC 1-8.8601-8.4056237.9328 2-9.3218-8.5187254.0448 3-9.1599-8.0017254.4179 4-9.1226-7.6022257.9417kl()Lnl p18 案例案例2 序列序列y1y1、y2y2和和y3y3分別表示我國分別表示我國19521952年至年至19881988年工業(yè)部門、交通運輸部門和商業(yè)部門年工業(yè)部門、交通運輸部門和商業(yè)部門的產出指數(shù)序列，數(shù)據(jù)在的產出指數(shù)序列，數(shù)據(jù)在D11.1D11.1中。試確定中。試確定VARVAR模模型的滯后階數(shù)型的滯后階數(shù)p p。 設設 L

25、y1=log Ly1=log（y1y1）；）； Ly2=logLy2=log（y2y2）；）； Ly3=logLy3=log（y3y3）。）。 用用AIC AIC 和和 SCSC準則判斷，得表準則判斷，得表11.311.3。19 表表11.3 AIC11.3 AIC與與SCSC隨隨P P的變化的變化 由表由表11.311.3知知, ,在在P=1P=1時，時，SC SC 最小（最?。?4.8474-4.8474），在，在P=3P=3時時,AIC ,AIC 最小（最?。?5.8804-5.8804），相互矛盾不），相互矛盾不能確定能確定P P值，只能用似然比值，只能用似然比LRLR確定確定P P值

26、。值。 P AIC SC 1-5.3753-4.8474108.7551 2-5.6603-4.7271120.0551 3-5.8804-4.5337129.9676 4-5.6693-3.9007132.5442()L nl P20 檢驗的原假設是模型滯后階數(shù)為檢驗的原假設是模型滯后階數(shù)為1，即即P=1，似然比檢驗統(tǒng)計量似然比檢驗統(tǒng)計量LR ：其中，其中，Lnl(1)和和Lnl(3)分別為分別為P=1和和P=3時時VAR(P)模型的對數(shù)似然函數(shù)值。在零假設下，該統(tǒng)計量模型的對數(shù)似然函數(shù)值。在零假設下，該統(tǒng)計量服從漸進的服從漸進的 分布，其自由度分布，其自由度f為從為從VAR(3)到到VAR

27、(1)對模型參數(shù)施加的零約束個數(shù)。對本對模型參數(shù)施加的零約束個數(shù)。對本例：例： f=VAR(3) 估計參數(shù)個數(shù)估計參數(shù)個數(shù)-VAR(1)估計參數(shù)估計參數(shù)個數(shù)個數(shù) 。2(1)(3)2(108.7551 129.9676)42.4250LRLnlLnl 2( )f223 31 318 21 利用利用Genr命令可算得用于檢驗原假設是否命令可算得用于檢驗原假設是否成立的伴隨概率成立的伴隨概率 P： p=1-cchisq(42.4250,18) =0.000964 故故 P=0.0009642時，最好用時，最好用Jonhamson協(xié)整檢驗方法。協(xié)整檢驗方法。24 約翰森協(xié)整檢驗在理論上是很完善的，但有

28、約翰森協(xié)整檢驗在理論上是很完善的，但有時檢驗結果的經濟意義解釋存在問題。如當約翰時檢驗結果的經濟意義解釋存在問題。如當約翰森協(xié)整檢驗結果有多個協(xié)整向量時，究竟哪個是森協(xié)整檢驗結果有多個協(xié)整向量時，究竟哪個是該經濟系統(tǒng)的真實協(xié)整關系？如果以最大特征值該經濟系統(tǒng)的真實協(xié)整關系？如果以最大特征值所對應的協(xié)整向量作為該經濟系統(tǒng)的協(xié)整關系，所對應的協(xié)整向量作為該經濟系統(tǒng)的協(xié)整關系，這樣處理的理由是什么？而其他幾個協(xié)整向量又這樣處理的理由是什么？而其他幾個協(xié)整向量又怎樣給予經濟解釋？由此可見這種方法尚需完善怎樣給予經濟解釋？由此可見這種方法尚需完善，一般取第一個協(xié)整向量一般取第一個協(xié)整向量為為所研究經濟系

29、統(tǒng)的協(xié)所研究經濟系統(tǒng)的協(xié)整向量。整向量。25 n 2.Johanson協(xié)整檢驗命令與假定協(xié)整檢驗命令與假定 案例案例1 (三三) Johanson協(xié)整檢驗協(xié)整檢驗 下面用案例下面用案例1說明說明Johanson協(xié)整檢驗的具體協(xié)整檢驗的具體方法。具體命令如下方法。具體命令如下: 在工作文件窗口，在待檢三個序列在工作文件窗口，在待檢三個序列LGDP、LCT、LIT的數(shù)據(jù)窗口的工具欄，點擊的數(shù)據(jù)窗口的工具欄，點擊View/Cointegration Test，就會彈出如圖，就會彈出如圖11-3所所示的約翰森協(xié)整檢驗窗口。示的約翰森協(xié)整檢驗窗口。 用戶需做用戶需做3種選擇：種選擇： 第一，第一，協(xié)整方

30、程和協(xié)整方程和VAR的設定：的設定： 協(xié)整檢驗窗口由四部分構成。左上部是供協(xié)整檢驗窗口由四部分構成。左上部是供用戶選擇檢驗式的基本形式，即用戶選擇檢驗式的基本形式，即Johanson檢檢驗的五個假設。驗的五個假設。26 圖圖11-3 約翰森協(xié)整檢驗窗口約翰森協(xié)整檢驗窗口27 協(xié)整方程結構假設協(xié)整方程結構假設：與時序方程可能含有截距和與時序方程可能含有截距和趨勢項類似，協(xié)整方程也可含有截距和趨勢項。協(xié)整趨勢項類似，協(xié)整方程也可含有截距和趨勢項。協(xié)整方程可有以下方程可有以下5種結構：種結構： 序列序列 Yt 無確定性趨勢且協(xié)整方程無截距；無確定性趨勢且協(xié)整方程無截距； 序列序列 Yt 無確定性趨勢

31、且協(xié)整方程只有截距無確定性趨勢且協(xié)整方程只有截距; 序列序列 Yt 有線性趨勢但協(xié)整方程只有截距有線性趨勢但協(xié)整方程只有截距; 序列序列Yt 有線性趨勢但協(xié)整方程有截距和趨勢有線性趨勢但協(xié)整方程有截距和趨勢; 序列序列 Yt 有二次趨勢但協(xié)整方程有截距和線性趨有二次趨勢但協(xié)整方程有截距和線性趨勢。勢。 對于上述對于上述5種假設，種假設，EViews采用采用Johanson(1995)提提出的關于系數(shù)矩陣協(xié)整似然比（出的關于系數(shù)矩陣協(xié)整似然比（LR）檢驗法。）檢驗法。28除此之外，用戶也可通過選擇第六個選項由程序除此之外，用戶也可通過選擇第六個選項由程序對以上五種假設進行檢驗，此時對以上五種假設

32、進行檢驗，此時EViews輸出結果輸出結果是簡明扼要的，詳細結果只有在具體確定某個假是簡明扼要的，詳細結果只有在具體確定某個假設時才會給出。設時才會給出。 本例采用缺省第三個假設，即序列本例采用缺省第三個假設，即序列 Yt 有線有線性確定性趨勢且協(xié)整方程（性確定性趨勢且協(xié)整方程（CE）僅有截距。）僅有截距。 第二，第二，給出給出VAR模型中的外生變量。左下部模型中的外生變量。左下部第一個白色矩形區(qū)需用戶輸入第一個白色矩形區(qū)需用戶輸入VAR系統(tǒng)中的外生系統(tǒng)中的外生變量名稱（沒有不填），不包括常數(shù)和趨勢。本變量名稱（沒有不填），不包括常數(shù)和趨勢。本例無外生變量例無外生變量,故不填。故不填。29 第

33、三第三，左下部第二個白色矩形區(qū)給出內，左下部第二個白色矩形區(qū)給出內生變量的滯后階數(shù)，用戶輸入滯后階數(shù)生變量的滯后階數(shù)，用戶輸入滯后階數(shù)p-1。并采用起、止滯后階數(shù)的配對輸入法。如輸入并采用起、止滯后階數(shù)的配對輸入法。如輸入1 2，意味著式，意味著式(11.1)等號右邊包括應變量等號右邊包括應變量1至至2階滯后項。由于此案例階滯后項。由于此案例VAR模型的最大滯后階模型的最大滯后階數(shù)數(shù)p=2。因此，這里輸入。因此，這里輸入1 1。對話框的右側是。對話框的右側是一些提示性信息，不選。定義完成之后。一些提示性信息，不選。定義完成之后。 點擊點擊OK。輸出結果見表。輸出結果見表11.4、表、表11.5

34、和表和表11.6。 30 表表11.4 Johanson 協(xié)整檢驗結果協(xié)整檢驗結果31 在表在表11.4中共有中共有5列，第列，第1列是特征值列是特征值 , 第第2列是似然比檢驗值，以后兩列分別是列是似然比檢驗值，以后兩列分別是5%與與1%水平的臨界值。最后一列是對原假設檢驗結果，水平的臨界值。最后一列是對原假設檢驗結果，依次列出了依次列出了3個檢驗的原假設結果，并對能拒絕個檢驗的原假設結果，并對能拒絕原假設的檢驗用原假設的檢驗用“*”號表示，號表示， “*”號表示置號表示置信水平為信水平為95%，“*”號為號為99%。 本案例協(xié)整檢驗結果：本案例協(xié)整檢驗結果： 第第1行行LR=59.0695

35、35.65，即在，即在99%置信水置信水平上拒絕了原假設（即拒絕了不存在協(xié)整關系平上拒絕了原假設（即拒絕了不存在協(xié)整關系的假設），亦即三變量存在協(xié)整方程；的假設），亦即三變量存在協(xié)整方程；i32 第第2行行 LR=23.514720.04,即在即在99%置信水置信水平上拒絕了原假設平上拒絕了原假設(最多存在最多存在1個協(xié)整關系個協(xié)整關系) ； 第第3行行 LR=4.73673.76，即在，即在95%置信水平置信水平上拒絕了原假設上拒絕了原假設(最多存在最多存在2個協(xié)整關系個協(xié)整關系)。 表下面是在表下面是在5%的顯著性水平上存在的顯著性水平上存在3個協(xié)個協(xié)整關系的結論。整關系的結論。 表表11

36、.5 未標準化協(xié)整系數(shù)未標準化協(xié)整系數(shù)33 表表11.5 給出的是未經標準化的協(xié)整系數(shù)的估給出的是未經標準化的協(xié)整系數(shù)的估計值。表計值。表11.6給出的是經標準化的協(xié)整系數(shù)的估計給出的是經標準化的協(xié)整系數(shù)的估計值，并且將值，并且將3個協(xié)整關系的協(xié)整系數(shù)都列了出來。個協(xié)整關系的協(xié)整系數(shù)都列了出來。由于一般關心的是被似然比確定的第由于一般關心的是被似然比確定的第1個協(xié)整關系，個協(xié)整關系，故程序將其單獨列了出來，其它兩個協(xié)整關系在故程序將其單獨列了出來，其它兩個協(xié)整關系在另表列出。另表列出。 但須注意但須注意：第一個協(xié)整關系對應著第一個協(xié)整關系對應著VAR的第的第一個方程，故可根據(jù)需要調整方程的順序

37、，使希一個方程，故可根據(jù)需要調整方程的順序，使希望的應變量的系數(shù)為望的應變量的系數(shù)為1。表中系數(shù)的估計值下面括表中系數(shù)的估計值下面括號內的數(shù)字是標準差。最下面一行是對數(shù)似然函號內的數(shù)字是標準差。最下面一行是對數(shù)似然函數(shù)值。數(shù)值。34 表表11.6 標準化協(xié)整系數(shù)標準化協(xié)整系數(shù)將第一個協(xié)整關系寫成代數(shù)表達式：將第一個協(xié)整關系寫成代數(shù)表達式： =LGDP-1.0127LCT-0.0629LIT+0.1791寫成協(xié)整向量：寫成協(xié)整向量： (1-1.0127-0.06290.1791)1te35 3.協(xié)整關系驗證協(xié)整關系驗證 在確定了變量間的協(xié)整關系之后，有兩種方在確定了變量間的協(xié)整關系之后，有兩種方

38、法可驗證協(xié)整關系的正確性。法可驗證協(xié)整關系的正確性。 （1）單位根檢驗。對序列）單位根檢驗。對序列e1進行單位根進行單位根（EG、AEG）檢驗，也可畫）檢驗，也可畫vecm時序圖驗證時序圖驗證協(xié)整關系的正確性。協(xié)整關系的正確性。 （2）AR 根的圖表驗證。利用根的圖表驗證。利用EViews5.0軟軟件，件，在在VAR模型窗口的工具欄點擊模型窗口的工具欄點擊View進入進入VAR模型的視圖窗口，選模型的視圖窗口，選Lag Structure/AR Roots Table或或AR Roots Graph。36方法（方法（1）讀者已熟悉，本例用方法（）讀者已熟悉，本例用方法（2）驗證。）驗證。 關于

39、關于AR 特征方程的特征根的倒數(shù)絕對值（參特征方程的特征根的倒數(shù)絕對值（參考考Lutppohl 1991）小于）小于1，即位于單位圓內，則，即位于單位圓內，則模型是穩(wěn)定的。否則模型不穩(wěn)定，某些結果（如模型是穩(wěn)定的。否則模型不穩(wěn)定，某些結果（如脈沖響應函數(shù)的標準誤差）不是有效的。脈沖響應函數(shù)的標準誤差）不是有效的。共有共有PN個個AR 根根，其中，其中，P為為VAR模型的滯后階數(shù)，模型的滯后階數(shù)， N為為t期內生變量個數(shù)期內生變量個數(shù) 。對本案例有。對本案例有6個個 AR單位單位根，根， 列于表列于表11.7和單位根倒數(shù)的分布圖示于圖和單位根倒數(shù)的分布圖示于圖11-4 。在表。在表11.7中，第

40、中，第1列是特征根的倒數(shù)，第列是特征根的倒數(shù)，第2列列是特征根倒數(shù)的模。是特征根倒數(shù)的模。37表表11.7AR單位根單位根由表由表11.7知，有一個單位根倒數(shù)的模大于知，有一個單位根倒數(shù)的模大于1，且在表的下邊給出了警告且在表的下邊給出了警告 。38 圖圖11-4 單位根的分布圖單位根的分布圖 圖形表示更為直觀，有一個單位根的倒數(shù)的圖形表示更為直觀，有一個單位根的倒數(shù)的模落在了單位圓之外，因此，所建模落在了單位圓之外，因此，所建VAR(2) 模型是模型是不穩(wěn)定的，將影響響應沖擊函數(shù)的標準差。不穩(wěn)定的，將影響響應沖擊函數(shù)的標準差。 39 四、格蘭杰因果關系四、格蘭杰因果關系 1. 1.格蘭杰因果

41、性定義格蘭杰因果性定義 克萊夫克萊夫.格蘭杰（格蘭杰（Clive.Granger,1969）和西姆和西姆斯（斯（C.A.Sims,1972）分別提出了含義相同的定義，分別提出了含義相同的定義，故除使用故除使用“格蘭杰非因果性格蘭杰非因果性”的概念外，也使用的概念外，也使用“格蘭杰因果性格蘭杰因果性”的概念。其定義為：的概念。其定義為： 如果由如果由 和和 的滯后值決定的的滯后值決定的 的條件分布與的條件分布與僅由僅由 的滯后值所決定的的滯后值所決定的 的條件分布相同，即的條件分布相同，即： （11.3）則稱則稱 對對 存在格蘭杰非因果性。存在格蘭杰非因果性。 111(|, )(|, )tttt

42、tf y yxf y y1txtytytytytytx40 格蘭杰非因果性的另一種表述為其它條件不格蘭杰非因果性的另一種表述為其它條件不變變，若加上若加上 的滯后變量后對的滯后變量后對 的預測精度無的預測精度無顯著性改善，則稱顯著性改善，則稱 對對 存在格蘭杰非因果性存在格蘭杰非因果性關系。關系。 為簡便，通常把為簡便，通常把 對對 存在格蘭杰非因果存在格蘭杰非因果性關系表述為性關系表述為 對對 存在格蘭杰非因果關系（存在格蘭杰非因果關系（嚴格講，這種表述是不正確的）。嚴格講，這種表述是不正確的）。 顧名思義，格蘭杰非因果性關系，也可以用顧名思義，格蘭杰非因果性關系，也可以用“格蘭杰因果性格蘭

43、杰因果性”概念。概念。 2. 2.格蘭杰因果性檢驗格蘭杰因果性檢驗 與與 間格蘭杰因果關系回歸檢驗式為間格蘭杰因果關系回歸檢驗式為1tx1txtxtxtxtytytytyty41 （11.4） 如有必要，可在上式中加入位移項、趨勢項如有必要，可在上式中加入位移項、趨勢項、季節(jié)虛擬變量等。檢驗、季節(jié)虛擬變量等。檢驗 對對 存在格蘭杰非因存在格蘭杰非因果性的零假設是：果性的零假設是： 顯然，如果（顯然，如果（11.4）式中）式中 的滯后變量的回的滯后變量的回歸系數(shù)估計值都不顯著，則歸系數(shù)估計值都不顯著，則 H0 不能被拒絕，即不能被拒絕，即 對對 不存在不存在格蘭杰因果性格蘭杰因果性。反之，如果。

44、反之，如果 的任的任何一個滯后變量回歸系數(shù)的估計值是顯著的，則何一個滯后變量回歸系數(shù)的估計值是顯著的，則 對對 存在格蘭杰因果關系。存在格蘭杰因果關系。111211ptitiititiipptitiititiiyyxuxxyup012:0pHtxtxtxtytytxtxty42類似的，可檢驗類似的，可檢驗 對對 是否存在格蘭杰因果關系。是否存在格蘭杰因果關系。 上述檢驗可構建上述檢驗可構建F統(tǒng)計量來完成。統(tǒng)計量來完成。 當當 時，接受時，接受H0， 對對 不存在格蘭杰因不存在格蘭杰因果關系；果關系； 當當 時，拒絕時，拒絕H0， 對對 存在格蘭杰因果存在格蘭杰因果關系。關系。 實際中，使用概率

45、判斷。實際中，使用概率判斷。 注意：注意： （1）由式（）由式（11.4）知）知,格蘭杰因果關系檢驗式格蘭杰因果關系檢驗式,是是回歸式，因此，要求受檢變量是平穩(wěn)的，對非平穩(wěn)變回歸式，因此，要求受檢變量是平穩(wěn)的，對非平穩(wěn)變量要求是協(xié)整的，以避免偽回歸。故在進行格蘭杰因量要求是協(xié)整的，以避免偽回歸。故在進行格蘭杰因果關系檢驗之前，要進行單位根檢驗、對非平穩(wěn)變量果關系檢驗之前，要進行單位根檢驗、對非平穩(wěn)變量要進行協(xié)整檢驗。要進行協(xié)整檢驗。FFFFtxtxtytytytx43 （2）格蘭杰因果性，指的是雙向因果關系，）格蘭杰因果性，指的是雙向因果關系，即相關關系。單向因果關系是指因果關系，近年即相關關

46、系。單向因果關系是指因果關系，近年有學者認為單向因果關系的變量也可作為內生變有學者認為單向因果關系的變量也可作為內生變量加入量加入VAR模型；模型； （3）此檢驗結果與滯后期）此檢驗結果與滯后期p的關系敏感且兩的關系敏感且兩回歸檢驗式滯后階數(shù)相同?；貧w檢驗式滯后階數(shù)相同。 （4）格蘭杰因果性檢驗原假設為：宇宙集）格蘭杰因果性檢驗原假設為：宇宙集、平穩(wěn)變量（對非平穩(wěn)變量要求是協(xié)整的）、大、平穩(wěn)變量（對非平穩(wěn)變量要求是協(xié)整的）、大樣本和必須考慮滯后。樣本和必須考慮滯后。 （5）格蘭杰因果關系檢驗，除用于選擇建）格蘭杰因果關系檢驗，除用于選擇建立立VAR模型的應變量外，也單獨用于研究經濟變模型的應變

47、量外，也單獨用于研究經濟變量間的相關或因果關系（回歸解釋變量的選擇）量間的相關或因果關系（回歸解釋變量的選擇）以及研究政策時滯等。以及研究政策時滯等。 44 格蘭杰因果性檢驗的格蘭杰因果性檢驗的EViews命令：命令： 在工作文件窗口，選中全部欲檢序列名后，在工作文件窗口，選中全部欲檢序列名后，選擇選擇Quicp/Group Statistics/Granger Causality Test，在彈出的序列名窗口，點擊，在彈出的序列名窗口，點擊OK即可。即可。 案例案例1 (四四)格蘭杰因果性檢驗格蘭杰因果性檢驗 前面已完成的工作是對三個對數(shù)序列進行了前面已完成的工作是對三個對數(shù)序列進行了平穩(wěn)性

48、檢驗、確定了平穩(wěn)性檢驗、確定了VAR 模型的滯后階數(shù)模型的滯后階數(shù)p，進，進行行Johanson協(xié)整檢驗。協(xié)整檢驗。 由于由于LGDPt、 LCt和和Lit間存在協(xié)整間存在協(xié)整 關系，故可對它們進行格蘭杰因果關系，故可對它們進行格蘭杰因果性檢驗，檢驗結果示于表性檢驗，檢驗結果示于表11.8。45 表表11.8 格蘭杰因果性檢驗結果格蘭杰因果性檢驗結果 由表由表11.8知，知，LGDPt、LCt 和和LIt之間存在格之間存在格蘭杰因果性，故蘭杰因果性，故LGDPt、LCt和和LIt均可做為均可做為VAR模型的應變量。模型的應變量。46 五、建立五、建立VARVAR模型模型 案例案例1 (五五)建

49、立建立VAR模型模型 以案例以案例1為例，說明建立為例，說明建立VAR模型的方法。在模型的方法。在工作文件窗口，在主菜單欄選工作文件窗口，在主菜單欄選Quicp/Estimate VAR，OK，彈出，彈出VAR定義窗口，見圖定義窗口，見圖11-5。 圖圖11-5 VAR模型定義窗口模型定義窗口47 在在VAR模型定義窗口中填畢（選擇包括截距模型定義窗口中填畢（選擇包括截距）有關內容后，點擊）有關內容后，點擊OK。輸出結果包含三部分。輸出結果包含三部分，分別示于表，分別示于表11.9、表、表11.10和表和表11.11。 表表11.9 VAR模型參數(shù)估計結果模型參數(shù)估計結果4849表表11. 1

50、0 VAR模型各方程檢驗結果模型各方程檢驗結果表表11.11 VAR模型整體檢驗結果模型整體檢驗結果50 將表將表11. 9的的VAR(2)模型改寫成矩陣形模型改寫成矩陣形式式:1111.55730.01480.19210.73470.64670.18502.77550.47150.04411.1104 0.7703 0.07840.6223 0.3945 0.07042.9315 1.4694 0.3983ttttttLGDPLGDPLCtLCtLItLIt 2220.58980.43542.2064tttLGDPLCtLIt 51 表表11.9 中列表示方程參數(shù)估計結果和參數(shù)中列表示方程參

51、數(shù)估計結果和參數(shù)的標準差的標準差t檢驗值?？梢园l(fā)現(xiàn)許多檢驗值?？梢园l(fā)現(xiàn)許多t檢驗值不顯著檢驗值不顯著，一般不進行剔除，一般不進行剔除，VAR 理論不看重個別檢驗結理論不看重個別檢驗結果，而是注重模型的整體效果，不分析各子方程果，而是注重模型的整體效果，不分析各子方程的意義。的意義。 表表11.10 每一列表示各子方程的檢驗結果。每一列表示各子方程的檢驗結果。 表表11.11是對是對VAR模型整體效果的檢驗。其中模型整體效果的檢驗。其中包括殘差的協(xié)方差、對數(shù)似然函數(shù)和包括殘差的協(xié)方差、對數(shù)似然函數(shù)和AIC 與與 SC。 建立了建立了VAR模型之后，在模型窗口工具欄點模型之后，在模型窗口工具欄點擊

52、擊Name，將，將VAR模型保存，以便進行脈沖響應模型保存，以便進行脈沖響應等特殊分析。等特殊分析。 注意：注意：平穩(wěn)變量建立的平穩(wěn)變量建立的VAR模型是平穩(wěn)的，模型是平穩(wěn)的，而建立平穩(wěn)而建立平穩(wěn)VAR模型的變量不一定是平穩(wěn)變量。模型的變量不一定是平穩(wěn)變量。52 六六、利用、利用VAR(P)VAR(P)模型進行預測模型進行預測 VAR模型是非結構模型，故不能用模型進模型是非結構模型，故不能用模型進行結構分析。預測是行結構分析。預測是VAR模型的應用之一，由模型的應用之一，由于我們所建立的于我們所建立的VAR(2)模型通過了全部檢驗。模型通過了全部檢驗。故可用其進行預測。故可用其進行預測。 若利

53、用案例一建立的若利用案例一建立的VAR（2）模型進行預）模型進行預測，測，首先要擴大工作文件范圍和樣本區(qū)間，然首先要擴大工作文件范圍和樣本區(qū)間，然后后在模型窗口在模型窗口中選擇中選擇Procs/Mape Model，屏幕屏幕出現(xiàn)模型定義窗口，出現(xiàn)模型定義窗口，將其命名為將其命名為MODEL01，如圖如圖11-6。 n 53模型定義窗口中位于線性模型窗口第一行模型定義窗口中位于線性模型窗口第一行: assignall f表示將表示將VAR模型中各內生變量的預測值存入以模型中各內生變量的預測值存入以原序列名加后綴字符原序列名加后綴字符“f”生成的新序列（這里生成的新序列（這里演示的是擬合）。演示的

54、是擬合）。 案例案例1 (六六)預測預測 在工具欄中點擊在工具欄中點擊Solve，則線性模型出現(xiàn)在，則線性模型出現(xiàn)在圖圖11-6中，模型預測窗口示于圖中，模型預測窗口示于圖11-7。54 圖圖11-6 線性模型窗口線性模型窗口55 圖圖11-7 模型預測窗口模型預測窗口56 圖圖11-8和圖和圖11-9分別是利用動態(tài)和靜態(tài)方法計算分別是利用動態(tài)和靜態(tài)方法計算出的樣本期內實際值與擬合值的比較。出的樣本期內實際值與擬合值的比較。 由圖看出，由圖看出，動態(tài)擬合結果只能反映序列的變化趨勢，而無法對動態(tài)擬合結果只能反映序列的變化趨勢，而無法對短期波動進行刻畫。所以，短期波動進行刻畫。所以，VAR模型適用

55、于短期預模型適用于短期預測，預測精度高和長期規(guī)劃預測。測，預測精度高和長期規(guī)劃預測。 圖圖11-8 動態(tài)擬合結果動態(tài)擬合結果圖圖11-9靜態(tài)擬合結果靜態(tài)擬合結果57 七、脈沖響應函數(shù)與方差分解七、脈沖響應函數(shù)與方差分解 對于政策時滯的實證研究主要有如下對于政策時滯的實證研究主要有如下4種方法：種方法： （1）對時序變量數(shù)據(jù)或圖、表進行直觀分析，）對時序變量數(shù)據(jù)或圖、表進行直觀分析，方法簡單，但主觀性強，精方法簡單，但主觀性強，精 度低；度低； （2）時序時差相關系數(shù)法，只能給出滯后期，）時序時差相關系數(shù)法，只能給出滯后期，不能給出持續(xù)的時間、影響程度和相互作用。不能給出持續(xù)的時間、影響程度和相

56、互作用。 （3）脈沖響應函數(shù)（沖擊）法；）脈沖響應函數(shù)（沖擊）法； （4）方差分解法。）方差分解法。 后兩種方法是目前國外常用的方法，近年國內后兩種方法是目前國外常用的方法，近年國內學者開始采用進行政策時滯分析。這里重點介紹后學者開始采用進行政策時滯分析。這里重點介紹后兩種方法。兩種方法。58 時差相關系數(shù)時差相關系數(shù)(Cross Correlation)分析法是利用相分析法是利用相關系數(shù)檢驗經濟時序變量間滯后關系的一種常用方法。關系數(shù)檢驗經濟時序變量間滯后關系的一種常用方法。對兩個時序變量，選擇一個作為基準變量，計算與另一對兩個時序變量，選擇一個作為基準變量，計算與另一變量在時間上錯開變量在

57、時間上錯開(滯后滯后)時的相關系數(shù)。以相關系數(shù)的時的相關系數(shù)。以相關系數(shù)的大小判斷兩變量間的時差大小判斷兩變量間的時差(僅能判斷時差僅能判斷時差)關系。關系。 兩時序變量間的時差相關系數(shù)兩時序變量間的時差相關系數(shù) 為為:1.1.時差相關系數(shù)時差相關系數(shù)k12211()()()()ntkttknntktttxxyyxxyy(1,2,12)k (11.5)59式中，式中， 為兩時序變量為兩時序變量xt、yt 在時差（滯后期）在時差（滯后期）為為p時的相關系數(shù)。時的相關系數(shù)。 由（由（11.5）式知，）式知， yt 為基準變量（即為基準變量（即t為基）為基） 為為xt滯后滯后p期序列的均值；期序列的

58、均值； 為為yt的均值；的均值； n為樣本容量；為樣本容量； p為滯后期（時差），取值為整數(shù)。若取正為滯后期（時差），取值為整數(shù)。若取正整數(shù)，則表示整數(shù)，則表示xt滯后于滯后于yt；若取負整數(shù)，則表示若取負整數(shù)，則表示xt超前于超前于yt；若取零，則表示兩變量一致。若取零，則表示兩變量一致。kkxy60 此法計算簡單，容易理解。實際計算時，通常計此法計算簡單，容易理解。實際計算時，通常計算基準變量（如算基準變量（如GDP、物價水平等）的增長率與政、物價水平等）的增長率與政策變量的增長率間的時差相關系數(shù)。但反映的是政策變量的增長率間的時差相關系數(shù)。但反映的是政策變量變化后引起基準變量變化的相關性

59、，不能給策變量變化后引起基準變量變化的相關性，不能給出持續(xù)時間、影響程度和變化方向。嚴格講時差相出持續(xù)時間、影響程度和變化方向。嚴格講時差相關系數(shù)法給出的時滯僅是從政策變化到對經濟系統(tǒng)關系數(shù)法給出的時滯僅是從政策變化到對經濟系統(tǒng)產生影響的時間間隔。由于多數(shù)時序變量具有時間產生影響的時間間隔。由于多數(shù)時序變量具有時間趨勢，可能有偽相關，使計算結果傳遞錯誤信息，趨勢，可能有偽相關，使計算結果傳遞錯誤信息，因此，通常進行平穩(wěn)化處理。即對數(shù)化因此，通常進行平穩(wěn)化處理。即對數(shù)化,差分差分,增長率。增長率。（最好對變量進行平穩(wěn)性檢驗）。（最好對變量進行平穩(wěn)性檢驗）。 61 EViews命令為：在主窗口點擊

60、：命令為：在主窗口點擊： Quicp / Group Statistics / Corss Correogram =序列名窗口，鍵入二序列名（序列名窗口，鍵入二序列名（只允許鍵入兩個變量），只允許鍵入兩個變量），OK。 在彈出的滯后窗口，默認在彈出的滯后窗口，默認12，OK。 給出二時序變量的相關系數(shù)。然后進行比給出二時序變量的相關系數(shù)。然后進行比較，其中較，其中| |最大者對應的時差就是二序列間最大者對應的時差就是二序列間的時滯。的時滯。 k62 這里介紹的脈沖響應函數(shù)和下面將要介紹的方差這里介紹的脈沖響應函數(shù)和下面將要介紹的方差分解法，較時差相關系數(shù)法具有兩個突出優(yōu)點：分解法，較時差相關系

61、數(shù)法具有兩個突出優(yōu)點： 第一第一,可將所考慮的全部變量納入一個系統(tǒng)，反映可將所考慮的全部變量納入一個系統(tǒng)，反映系統(tǒng)內所有變量間的相互影響，給出的是系統(tǒng)內全部信系統(tǒng)內所有變量間的相互影響，給出的是系統(tǒng)內全部信息相互作用結果。而時差相關系數(shù)法只能考慮兩個變量息相互作用結果。而時差相關系數(shù)法只能考慮兩個變量。 第二第二,不僅能給出政策效果時滯，時滯區(qū)間，而且能不僅能給出政策效果時滯，時滯區(qū)間，而且能給出影響的程度與方向，結果準確。而時差相關系數(shù)法給出影響的程度與方向，結果準確。而時差相關系數(shù)法只能給出時滯。只能給出時滯。 （1 1）脈沖響應函數(shù)。）脈沖響應函數(shù)。對對VAR模型而言，單個參數(shù)估模型而言

62、，單個參數(shù)估計值的經濟解釋是困難的，其應用除預測外，最重要的計值的經濟解釋是困難的，其應用除預測外，最重要的應用是脈沖響應分析和方差分解。脈沖響應函數(shù)描述應用是脈沖響應分析和方差分解。脈沖響應函數(shù)描述 2.2.脈沖響應函數(shù)脈沖響應函數(shù)63的是一個內生變量對殘差（的是一個內生變量對殘差（ 稱為稱為 Innovation）沖擊的反應沖擊的反應(響應響應)。具體而言，它描述的是在隨。具體而言，它描述的是在隨機誤差項上施加一個標準差大小的沖擊（來自機誤差項上施加一個標準差大小的沖擊（來自系統(tǒng)內部或外部）后對內生變量的當期值和未系統(tǒng)內部或外部）后對內生變量的當期值和未來值所產生的影響（動態(tài)影響）。這種分

63、析方來值所產生的影響（動態(tài)影響）。這種分析方法稱為脈沖響應函數(shù)（法稱為脈沖響應函數(shù)（IRF:impulse-response function）。）。 為淺顯說明脈沖響應的基本原理，說明殘差為淺顯說明脈沖響應的基本原理，說明殘差是如何將沖擊（對新息是沖擊，對內生變量是是如何將沖擊（對新息是沖擊，對內生變量是對沖擊的響應）傳遞給內生變量的。以含兩個對沖擊的響應）傳遞給內生變量的。以含兩個內生變量的內生變量的VAR（2）模型為例予以說明。設兩）模型為例予以說明。設兩變量變量VAR（2）模型：）模型：64式中，式中， M為貨幣供應量。為貨幣供應量。 （11.6） 若系統(tǒng)受某種擾動，使若系統(tǒng)受某種擾動

64、，使 發(fā)生發(fā)生1個標準差的個標準差的變化（沖擊），不僅使變化（沖擊），不僅使 立即發(fā)生變化（響立即發(fā)生變化（響應），而且還會通過應），而且還會通過 ， 影響影響 的取值的取值,且會影響其后的且會影響其后的GDP和和M的取值（滯后響的取值（滯后響應）。脈沖響應函數(shù)描述了系統(tǒng)內變量間的這種應）。脈沖響應函數(shù)描述了系統(tǒng)內變量間的這種相互沖擊與響應的軌跡，顯示了任一擾動如何通相互沖擊與響應的軌跡，顯示了任一擾動如何通過模型（市場），沖擊其它所有變量的鏈式反應過模型（市場），沖擊其它所有變量的鏈式反應的全過程。同理，的全過程。同理， 也會引起類似地沖擊鏈式也會引起類似地沖擊鏈式反應。反應。1111221

65、1112212112222112222+ttttttttttttGDPGDPGDPMMeMMMGDPGDPe1tete2tGDP1tGDP2tGDPtm65 下面通過式（下面通過式（11.6）具體說明新息是如何傳遞給內）具體說明新息是如何傳遞給內生變量的。生變量的。 為簡便起見，假定系統(tǒng)從為簡便起見，假定系統(tǒng)從0期開始運行，則期開始運行，則 給定新息（擾動）給定新息（擾動） ，且其后均為，且其后均為0，即，即 ，稱此為，稱此為0期擾動，對期擾動，對的沖擊，亦即的沖擊，亦即 與與 的響應。的響應。 當當 t=0時：時： ；將其代入；將其代入(11.6)。 當當 t=1時：時： ；將其代入；將其代

66、入(11.6)。 當當 t=2時：時： ；將其代入；將其代入(11.6)。12120GDPGDPMM10201,0ee120(1,2,)tteetttGDPM和tGDPtM001,M0GDP 111121,MGDP221112112122121211122,M GDP 66以此類推，設求得響應的結果為以此類推，設求得響應的結果為 ，稱為由，稱為由GDP的沖擊引起的沖擊引起的的GDP的響應函數(shù)。同樣有的響應函數(shù)。同樣有 ，稱為由，稱為由GDP的沖擊引起的沖擊引起的的M的響應函數(shù)。的響應函數(shù)。 同理，將第同理，將第0期的脈沖改為期的脈沖改為 ，即可求出，即可求出M的沖擊引起的沖擊引起GDP與與M的響應函數(shù)。的響應函數(shù)。顯然以上的脈沖響應函數(shù)明顯地捕捉到了沖擊的顯然以上的脈沖響應函數(shù)明顯地捕捉到了沖擊的效果。效果。 上述沖擊思想可以推廣到含上述沖擊思想可以推廣到含N個內生變量的個內生變量的VAR(p)模型。模型。012,GDP,GDPGDP 012,M ,MM10200,1ee67 對脈沖響應函數(shù)處理的困難在于對脈沖響應函數(shù)處理的困難在于各殘差各殘差間不是完全非相關的。間不是完全非相關的。當