叶阿忠-计量经济学-第七章 时间序列分析.pptVIP

7.7.1 SVAR模型形式 1、两变量的 SVAR 模型 为明确变量间的当期关系，首先研究两变量的 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： 7.7.1 SVAR模型形式 式（7.7.2）可简单地表示为 7.7.1 SVAR模型形式 假设 B0 可逆，可导出简化式方程 其中， 7.7.1 SVAR模型形式 2、多变量的 SVAR 模型 一般的 k 元 p 阶 VAR 模型如下： 还可写成 7.7.1 SVAR模型形式 其中， 可以将（7.7.6）写成滞后算子形式 7.7.1 SVAR模型形式 将（7.7.11）两端平方取期望，可得 7.7.2 SVAR模型的识别和估计 7.7.2 SVAR模型的识别和估计 进而有 即 7.7.2 SVAR模型的识别和估计 对上式两端取期望可以得到： 7.7.2 SVAR模型的识别和估计 7.7.2 SVAR模型的识别和估计 由式（7.7.10）可知： 7.7.3 SVAR模型的EViews实现 假定随机干扰项存在同期的相互影响。数据见 0703.wf1。 1、SVAR 模型的建立与估计 在建立 SVAR 模型之前，应该事先生成短期约束或长期约束矩阵，通常采用短期约束形 式，以 3 阶为例是如下形式： 这实际上是一种通过乔里斯基(Choleskey)分解建立的递归形式的短期约束，通过矩阵 对象存放相应的值。 7.7.3 SVAR模型的EViews实现 在工作文件窗口一次点击 Object/New Object,显示对话框如图 7.7.1 所示： 7.7.3 SVAR模型的EViews实现 在对话框中点击 Matrix-vector-Coef,并在右上角输入矩阵的命名，如 A ，点击 OK 按钮， 得到如图 7.7.2 对话框： 7.7.3 SVAR模型的EViews实现 对话框左上方为矩阵的类型，通常选择 Matrix，右侧需要定义矩阵的行和列。本例三个 变量，定义 3 行 3 列，点击 OK 按钮，得到图 7.7.3，点击 Edit，输入约束矩阵。类似地可 定义矩阵 B ，为主对角线上均是缺失值 NA 的矩阵。因子结构即相应矩阵命名完成，可进 行 SVAR 参数估计。 7.7.3 SVAR模型的EViews实现 进而，在 VAR 对象的工具栏中选择 Proc/Estimate Structural Factorization,得到如图 7.7.4、 图 7.7.5 对话框，当采用 Matrix 方式描述约束形式时，在 short-run patter 右侧空白区域输入 短期约束矩阵对象的名称 a 和 b,长期约束采取默认形式；另外，也可以通过文本的方式描述 短期和长期约束的形式。点击 Optimization Control，得到图 7.7.6 对话框，可以对迭代控制 选项进行设置，这里采用系统默认设置（对对话框进行解释），点击确定按钮，得到图 7.7.7 所示的估计结果。 7.7.3 SVAR模型的EViews实现 7.7.3 SVAR模型的EViews实现 7.7.3 SVAR模型的EViews实现 对于过度识别的模型，输出结果中还包括有关过度识别的 LR 检验结果： 7.7.3 SVAR模型的EViews实现 2、SVAR 模型的脉冲响应与方差分解 整个过程与 VAR 模型类似，点击 Impulse Responses/Impulse Definition/Structural Decomposition,如图 7.7.8 对话框，输出方式可以是 Table、Multiple Graphs、Combined Graphs，点击确定按钮，得到如图 7.7.9 结果。 7.7.3 SVAR模型的EViews实现 7.7.3 SVAR模型的EViews实现 图 7.7.9 显示了 SVAR 模型中 LGDP，LGDI，LCK 分别对ＬＦＤＩ的一个标准差的冲击 的脉冲响应。SVAR 模型的方差分解同 VAR 模型的方差分解类似（后者在对话框中点击 Structural Decomposition，前者选择 Choleskey Decomposition），如果选择输出方式是组图， 且只考虑 LFDI 的一个冲击造成的影响，如图 7.7.10 对话框。点击确定按钮，得到如图 7.7.11 所示结果： 7.7.3 SVAR模型的EViews实现 7.7.3 SVAR模型的EViews实现 本章到此结束 7.6.3格兰杰因果关系检验 7.6.3格兰杰因果关系检验 （1） X 是引起 Y 变化的原