第九章向量自回归与误差修正模型.ppt

在EViews软件关于VAR模型的其他检验 一旦完成VAR模型的估计，EViews会提供关于被估计的VAR模型的各种视图。将主要介绍View/Lag Structure和View/Residual Tests菜单下 提供的检验 。 1. AR根的图表 如果被估计的VAR模型所有根的模的倒数小于1，即位于单位圆内，则其是稳定的。如果模型不稳定，某些结果将不是有效的（如脉冲响应函数的标准误差）。共有 kp 个根，其中 k 是内生变量的个数，p 是最大滞后阶数。如果估计一个有 r 个协整关系的VEC模型，则应有k ? r 个根等于1。 对于例9.1，可以得到如下的结果： 所有的单位根的模大于1，因此例9.1的模型满足稳定性条件。 下面给出单位根的图形表示的结果： 2．VAR残差检验 (1) 相关图(Correlogram) 显示VAR模型在指定的滞后阶数的条件下得到的残差的交叉相关图（样本自相关）。 (2) 混合的自相关检验(Portmanteau Autocorrelation Test) 计算与指定阶数所产生的残差序列相关的多变量Box-Pierce/Ljung-Box Q统计量。 (3)自相关LM检验(Autocorrelation LM Test) 计算与直到指定阶数所产生的残差序列相关的多变量LM检验统计量。 (4) 正态性检验(Normality Test) (5) White异方差检验 (White Heteroskedasticity Test) 在实际应用中，由于VAR模型是一种非理论性的模型，因此在分析VAR模型时，往往不分析一个变量的变化对另一个变量的影响如何，而是分析当一个误差项发生变化，或者说模型受到某种冲击时对系统的动态影响，这种分析方法称为脉冲响应函数方法(impulse response function，IRF)。 9.4 脉冲响应函数 由式(9.1.5)可得 9.4.1 VAR模型的脉冲响应函数 (9.4.3) VAR(p)可以表示为VMA(∞)模型，因此VMA(∞)的系数矩阵 C 可以由VAR(p)的系数矩阵 A 计算得到。 考虑VMA(∞)的表达式 yt 的第 i 个变量 yit 可以写成： 其中 k 是变量个数。 (9.4.7) (9.4.8) 一般地，由 yj 的脉冲引起的 yi 的响应函数可以求出如下： 且由 yj 的脉冲引起的 yi 的累积(accumulate)响应函数可表示为 本例选择钢铁行业及其主要的下游行业的销售收入数据做为各行业的需求变量，利用脉冲响应函数分析各下游行业自身需求的变动对钢铁行业需求的影响。 分别用y1 表示钢材销售收入；y2 表示建材销售收入 y3 表示汽车销售收入； y4 表示机械销售收入；y5 表示家电销售收入。样本区间为1999年1月～2002年12月，所采用数据均作了季节调整，指标名后加上后缀sa，并进行了协整检验，存在协整关系，这表明，所选的各下游行业的销售收入与钢铁工业的销售收入之间具有长期的均衡关系。 例9.4 钢铁行业的需求对下游相关行业变化的响应 脉冲响应函数在EViews软件中的实现 为了得到脉冲响应函数，先建立一个VAR模型，然后在VAR工具栏中选择View/Impulse Response…或者在工具栏选择Impulse，并得到下面的对话框，有两个菜单：Display 和 Impulse Definition。 1. Display菜单提供下列选项： (1) 显示形式（Display Format） 选择以图或表来显示结果。如果选择Combined Graphs 则Response Standard Error选项是灰色，不显示标准误差。而且应注意：输出表的格式是按响应变量的顺序显示，而不是按脉冲变量的顺序。 (2) 显示信息（Display Inform