最新Eviews中VAR模型的操作、脉冲响应分析和方差分解的实现课件ppt.ppt

《最新Eviews中VAR模型的操作、脉冲响应分析和方差分解的实现课件ppt.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、Eviews中VAR模型的操作、脉冲响应分析和方差分解的实现一、向量自回归（VAR）模型1.向量自回归理论向量自回归模型可以用来预测相关联的经济时间序列系统，并分析随机扰动对变量系统的动态冲击，进一步解释经济冲击对经济变量所产生的影响。滞后阶数为p的VAR模型表达式为yt=A1yt-1+A2yt-2+…+Apyt-p+Bxt+μt其中，yt为k维内生变量向量；xt为d维外生变量向量；μt是k维误差向量A1，A2，…，Ap，B是待估系数矩阵。一、向量自回归（VAR）模型1.向量自回归理论滞后阶数为p的VAR模型表达式还可以表述为即

2、上式称为非限制性向量自回归（UnrestrictedVAR）模型，是滞后算子L的k╳k的参数矩阵。当行列式det[A(L)]的根都在单位圆外时，不含外生变量的非限制性向量自回归模型才满足平稳性条件。一、向量自回归（VAR）模型4.VAR模型的检验VAR模型的滞后结构检验（1）AR根的图与表如果VAR模型所有根模的倒数都小于1，即都在单位圆内，则该模型是稳定的；如果VAR模型所有根模的倒数都大于1，即都在单位圆外，则该模型是不稳定的。如果被估计的VAR模型不稳定，则得到的结果有些是无效的。在VAR对象的工具栏中选择“View”

3、“

4、LagStructure”

5、“ARRootsTable/ARRootsGraph”选项，得到AR根的表和图。一、向量自回归（VAR）模型4.VAR模型的检验VAR模型中AR根的图VAR模型的滞后结构检验（1）AR根的图与表一、向量自回归（VAR）模型3.VAR模型的建立VAR模型的滞后结构检验（2）Granger因果检验Granger因果检验的原假设是H0：变量x不能Granger引起变量y备择假设是H1：变量x能Granger引起变量y在EViews软件操作中，选择VAR对象工具栏中的“View”

6、“LagStructure”

7、

8、“GrangerCausality/BlockExogeneityTests”选项，可得到检验结果。一、向量自回归（VAR）模型3.VAR模型的建立VAR模型的滞后结构检验（2）Granger因果检验右图的检验结果为：在5%的显著性水平下，变量log(ex)能Granger引起变量log(ms)，即拒绝原假设；但变量log(ms)不能Granger引起变量log(ex)，即接受原假设。一、向量自回归（VAR）模型3.VAR模型的建立VAR模型的滞后结构检验（3）滞后排除检验滞后排除检验（LagExclusionTests）是对

9、VAR模型中的每一阶数的滞后进行排除检验。如右图所示。第一列是滞后阶数，第二列和第三列是方程的χ2统计量，最后一列是联合的χ2统计量。一、向量自回归（VAR）模型3.VAR模型的建立VAR模型的滞后结构检验（4）滞后阶数标准选择VAR对象工具栏中的“View”

10、“LagStructure”

11、“LagLengthCriteria”选项，在弹出的对话框中输入最大滞后阶数，然后单击“OK”按钮即可得到检验结果。二、脉冲响应函数脉冲响应函数（IRF，ImpulseResponseFunction）分析方法可以用来描述一个内生变量对由误差

12、项所带来的冲击的反应，即在随机误差项上施加一个标准差大小的冲击后，对内生变量的当期值和未来值所产生的影响程度。在EViews软件操作中，选择VAR对象工具栏中的“View”

13、“ImpulseResponse…”选项，或者直接点击VAR对象工具栏中的“Impulse”功能键即可得到脉冲响应函数的设定对话框。。二、脉冲响应函数在脉冲响应函数的设定对话框中有两个选项卡：一个是“Display”，一个是“ImpulseDefinition”。系统默认下打开的是“Display”选项卡。其中，“DisplayFormat”包含三种显示形式

14、，“Table”表格形式，“MultipleGraphs”多个图形式，“CombinedGraphs”组合图形式。系统默认下是“MultipleGraphs”选项。二、脉冲响应函数“DisplayInformation”中输入冲击变量（Impulses）和脉冲响应变量（Responses）。这里可以输入内生变量的名称，也可以输入变量的序号。在“Periods”中输入显示的最长时期。“AccumulatedResponses”为累积响应。对于稳定的VAR模型，脉冲响应函数应趋于0，累积响应趋于非0常数。三、方差分解基本思想：方差分

15、解的基本思想是，把系统中的全部内生变量（k个）的波动按其成因分解为与各个方程新息相关联的k个组成部分，从而得到新息对模型内生变量的相对重要程度。在EViews软件操作中，选择VAR对象工具栏中的“View”

16、“VarianceDecomposition…”选项，