《var简明讲义》word版

《var简明讲义》word版

ID:22690112

大小:488.50 KB

页数:60页

时间:2018-10-30

《var简明讲义》word版_第1页
《var简明讲义》word版_第2页
《var简明讲义》word版_第3页
《var简明讲义》word版_第4页
《var简明讲义》word版_第5页
资源描述:

《《var简明讲义》word版》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、第8章VAR模型与协整1980年Sims提出向量自回归模型(vectorautoregressivemodel)。这种模型采用多方程联立的形式,它不以经济理论为基础,在模型的每一个方程中,内生变量对模型的全部内生变量的滞后值进行回归,从而估计全部内生变量的动态关系。8.1向量自回归(VAR)模型定义8.1.1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y1,t=f(y1,t-1,y1,t-2,…)y2,t=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

2、个变量之间的关系。VAR模型的结构与两个参数有关。一个是所含变量个数N,一个是最大滞后阶数k。以两个变量y1t,y2t滞后1期的VAR模型为例,y1,t=c1+p11.1y1,t-1+p12.1y2,t-1+u1ty2,t=c2+p21.1y1,t-1+p22.1y2,t-1+u2t(8.1)其中u1t,u2t~IID(0,s2),Cov(u1t,u2t)=0。写成矩阵形式是,=++(8.2)设,Yt=,c=,P1=,ut=,则,Yt=c+P1Yt-1+ut(8.3)那么,含有N个变量滞后k期的VAR模型表示如下:Yt=c+P1Yt-1+P2Yt-2+…+PkYt-k+ut,ut~

3、IID(0,W)(8.4)其中,Yt=(y1,ty2,t…yN,t)'c=(c1c2…cN)'Pj=,j=1,2,…,kut=(u1tu2,t…uNt)',Yt为N´1阶时间序列列向量。C为N´1阶常数项列向量。P1,…,Pk均为N´N阶参数矩阵,ut~IID(0,W)是N´1阶随机误差列向量,其中每一个元素都是非自相关的,但这些元素,即不同方程对应的随机误差项之间可能存在相关。因VAR模型中每个方程的右侧只含有内生变量的滞后项,他们与ut是渐近不相关的,所以可以用OLS法依次估计每一个方程,得到的参数估计量都具有一致性。估计VAR的EViews4.1操作:打开工作文件,点击Qui

4、ck键,选EstimateVAR功能。作相应选项后,即可得到VAR的表格式输出方式。在VAR模型估计结果窗口点击View选representation功能可得到VAR的代数式输出结果。8.1.2VAR模型的特点是:(1)不以严格的经济理论为依据。在建模过程中只需明确两件事:①共有哪些变量是相互有关系的,把有关系的变量包括在VAR模型中;②确定滞后期k。使模型能反映出变量间相互影响的绝大部分。(2)VAR模型对参数不施加零约束。(对无显着性的参数估计值并不从模型中剔除,不分析回归参数的经济意义。)(3)VAR模型的解释变量中不包括任何当期变量,所有与联立方程模型有关的问题在VAR模型

5、中都不存在(主要是参数估计量的非一致性问题)。(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kN2=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。(6)用VAR模型做样本外近期预测非常准确。做样本外长期预测时,则只能预测出变动的趋势,而对短期波动预测不理想。西姆斯(Sims)认为VAR模型中的全部变量都是内生变量。近年来也有学者认

6、为具有单向因果关系的变量,也可以作为外生变量加入VAR模型。附录:(file:B8c1)VAR模型静态预测的EViews操作:点击Procs选MakeModel功能。点击Solve。在出现的对话框的Solutionoption(求解选择)中选择Staticsolution(静态解)。VAR模型动态预测的EViews操作:点击Procs选MakeModel功能(工作文件中如果已经有Model,则直接双击Model)。点击Solve。在出现的对话框的Solutionoption(求解选择)中选择Dynamicsolution(静态解)。注意:Model窗口中的第一行,“ASSIGN@A

7、LLF”表示模拟结果保存在原序列名后加F的新序列中,以免原序列中的数据被覆盖掉。静态预测的效果非常好。动态预测的表现是前若干期预测值很接近真值,以后则只能准确预测变化的总趋势,而对动态的变化特征预测效果较差。综上所述,用VAR做样本外动态预测1,2期则预测效果肯定是非常好的。8.2VAR模型稳定的条件VAR模型稳定的充分与必要条件是P1(见(8.3)式)的所有特征值都要在单位圆以内(在以横轴为实数轴,纵轴为虚数轴的坐标体系中,以原点为圆心,半径为1的圆称为单位圆),或

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。