金融计量VARVEC模型讲义创新.pptVIP

4.最后，如果M和GNP的系数集在两个回归中都不是统计上显著的，就表示两者之间各自的独立性。 结论 更为一般的，由于将来不能预测过去，如果变量X是变量Y的（格兰杰）原因，则X的变化应先于Y的变化。 ? 因此，在做Y对其他变量（包括自身的过去值）的回归时，如果引入X的过去或滞后值能显著地改进对Y的预测，我们就可以说X是Y的（格兰杰）原因。 ? 类似地定义Y是X的（格兰杰）原因。 格兰杰检验步骤： ——以GNP-M一例加以说明 Step1:将当前的GNP对所有的滞后GNP项以及其他变量（如果有的话）做回归，但在这一回归中不包括M的滞后变量。这是一个受约束的回归。从而得到受约束的残差平方 RSSR Step2:现在做含有M滞后项的回归，这是一个无约束的回归，由此回归得到无约束的残差平方 。 Step3:原假设是： ，即M的滞后项不属于此回归。 Step4:为了检验此假设，我们利用F检验： 它遵循自由度为m和（n-k）的F分布。m 等于 滞后项M的个数，k是无约束回归中待估参数的个数。 Step5:如果在选定的α显著性水平上计算的F值超过临界F值，则拒绝原假设，这样M的滞后项就属于此回归。这是M导致GNP的另一说法。 若计算的F值不超过临界F值,则接受原假设,即M不是GNP的(格兰杰)原因 Step6:为了检验模型（17.14.2），即检验GNP是否是M的(格兰杰)原因，可重复步骤1至5. ? Eviews中提供格兰杰因果检验，因而你可以发现在Eviews中可以轻而易举的完成该检验。 ? 举例说明格兰杰因果检验 * 1．两变量的SVAR模型 为了明确变量间的当期关系，首先来研究两变量的VAR模型结构式和简化式之间的转化关系。如含有两个变量(k=2)、滞后一阶(p=1)的VAR模型结构式可以表示为下式 (9.1.8) * 在模型(9.1.8)中假设： （1）随机误差 uxt 和 uzt 是白噪声序列，不失一般性，假设方差 ?x2 = ?z2 =1 ； （2）随机误差 uxt 和 uzt 之间不相关，cov(uxt , uzt )=0 。 式(9.1.8)一般称为一阶结构向量自回归模型(SVAR(1))。 * 它是一种结构式经济模型，引入了变量之间的作用与反馈作用，其中系数 c12 表示变量 zt 的单位变化对变量 xt 的即时作用，?21表示 xt-1的单位变化对 zt 的滞后影响。虽然 uxt 和 uzt 是单纯出现在 xt 和 zt 中的随机冲击，但如果 c21 ? 0，则作用在 xt 上的随机冲击 uxt 通过对 xt 的影响，能够即时传到变量 zt 上，这是一种间接的即时影响；同样，如果 c12 ? 0，则作用在 zt 上的随机冲击 uzt 也可以对 xt 产生间接的即时影响。冲击的交互影响体现了变量作用的双向和反馈关系。 * 为了导出VAR模型的简化式方程，将上述模型表示为矩阵形式 该模型可以简单地表示为 (9.1.9) * 假设 C0可逆，可导出简化式方程为 其中 (9.1.10) * 从而可以看到，简化式扰动项 ?t 是结构式扰动项 ut 的线性组合，因此代表一种复合冲击。因为 uxt 和 uzt 是不相关的白噪声序列，则可以断定上述 ?1t 和 ?2t 也是白噪声序列，并且均值和方差为 * 同期的 ?1t 和 ?2t 之间的协方差为 从式(9.1.11)可以看出当 c12 ≠ 0 或 c21 ≠ 0 时，VAR模型简化式中的扰动项不再像结构式中那样不相关，正如例9.1中的表9.1所显示的情况。当 c12 = c21 = 0 时，即变量之间没有即时影响，上述协方差为0，相当于对C0矩阵施加约束。 (9.1.11) * 2．多变量的SVAR模型 下面考虑k个变量的情形，p阶结构向量自回归模型SVAR(p)为 (9.1.13) 其中： , , * 可以将式(9.1.13