結(jié)構(gòu)向量自回歸(SVAR)模型操作步驟

1、svar操作步驟,1,目錄,一 單位根檢驗 二 兩種分析思路 思路一 var與svar模型及應(yīng)用 思路二 協(xié)整檢驗及向量誤差修正模型（vec）,2,注：進行向量自回歸與誤差修正模型分析首先必須進行穩(wěn)定性檢驗 各個變量進行穩(wěn)定性檢驗結(jié)果及分析思路如下： （1）均穩(wěn)定，則直接進行var構(gòu)建 請點var/svar建模 （2）部分穩(wěn)定，部分不穩(wěn)定 請點 var/svar建模 （3）不穩(wěn)定，但均有相同單整階數(shù)，請點協(xié)整檢驗及vec（建議做）也可以做var建模（建議不做）,一 各個變量進行單位根檢驗,3,var/svar建模,第一步：請點建立初始var 第二步：請點初始var模型檢驗 第三步：請點確定最終

2、的var 第四步：請點在最終的var基礎(chǔ)上建立svar（可做可不做，建議做）. 第五步：請點以第三步var或是第四步svar的為基 礎(chǔ)做脈沖分析及方差分解,4,第一步初始var建模,序列要求：沒有任何要求 處理序列與否，撐握如下原則： 原則一：處理序列目的是使var穩(wěn)定，只有當(dāng)var不穩(wěn)定是才考慮處理序列 原則二：不要做i（2）向i（0），結(jié)果不好解釋，這樣處理能使var穩(wěn)定，也放棄建模 注一：var穩(wěn)定是指var的ar根均小于1（在單位圓內(nèi)），因為穩(wěn)定var模型定，滿足脈沖分析及方差分解所需條件（見高鐵梅 計量分析方法與建模 第2版 p301）。 注二：由于穩(wěn)定序列構(gòu)建的var容易達到穩(wěn)定性

3、要求，而夾雜了不穩(wěn)定序列難以使var穩(wěn)定，所以有的書上直接講var建模是要求序列平穩(wěn),5,第一步初始var建模,注三：處理方法是差分或是取對數(shù) 注四：序列穩(wěn)定與否均可建立var（var可能穩(wěn)定也可能不穩(wěn)定，不穩(wěn)定的序列沒有任何價值，所有我們最終是要建立一個穩(wěn)定的var，進一步做脈沖及方差分解） 滯后階數(shù)：任意設(shè)（因為初始var建立后要進行檢驗，以確定真正的滯后階數(shù)，以便在最終的var模型中引入正確的滯后階數(shù)） 所有序列均視為內(nèi)生的，除非你已知哪些是外生（初始var建立后要進行因果關(guān)系檢驗，確定哪些變量為外生變量引入最終的var模型） 軟件操做請點軟件操做：建立最初的var,6,檢驗說明 對已構(gòu)

4、建的初始var做如： 一 ar根觀察，以便確定模型的穩(wěn)定性，模型不穩(wěn)定則某些結(jié)果（如脈沖響應(yīng)函數(shù)的標(biāo)準(zhǔn)誤差）不是有效的。 二 檢驗滯后階數(shù) 三 因果關(guān)系檢驗（注：因果關(guān)系檢驗應(yīng)在階數(shù)確定后展開，如檢驗結(jié)果階數(shù)要更改，則用改正的階數(shù)重新構(gòu)建var后再行檢驗） 軟件操做，請點var模型檢驗操作,初始var模型檢驗,7,軟件操做：建立最初的var,objects/new object/var 估計var模型 var類型：unrestricted var 填寫：內(nèi)生變量，外生變量，及樣本區(qū)間 滯后欄目：滯后成對輸入/模型中無外生變量從1開始，有外生變量時滯后從0開始。 點ok,8,var檢驗操作,一：

5、 ar根觀察 var窗口 view lag structurear roots table 或ar roots graph 注：特征根均小于1時模型穩(wěn)定 二：確定滯后階數(shù) 原：滯后階數(shù)不為j var窗口 view lag structurelag length criteria填寫最大階數(shù) 注：從最大p開始檢驗，軟件將以星號給出滯后階數(shù) 三：因果關(guān)系檢驗 原：不是因果關(guān)系 var窗口 view lag structurepairwise granger causality tests 注：軟件對各個內(nèi)生變量依次給出單個檢驗與聯(lián)合檢驗，當(dāng)p值大小臨界水平（通常為0.05）說明（x外生于y/ x不

6、能grange 引起y ），簡單地：當(dāng)聯(lián)合檢驗p值大于0.05，則該被檢驗的因變量外生于系統(tǒng)（外生變量），應(yīng)重構(gòu)var,9,最終var建模,記住var模型檢驗所得的滯后階數(shù) 記住 var模型檢驗所得的外生變量 如果你幸運的話最初設(shè)置正確，你真歷害，不用再建模型了 如果不幸運，請利用所得信息 重新構(gòu)建var 重新檢驗var 不斷重復(fù)直至你的模型通過三項檢驗（穩(wěn)定性，滯后階數(shù)正確，外生變量與內(nèi)生變量明晰）,10,在最終的var基礎(chǔ)上建立svar（可做可不做，建議做）,當(dāng)已構(gòu)建了var以后就可以構(gòu)建svar模型具體 第一步：實施約束 第二步：估計s var 第三步：分析,11,構(gòu)建svar模型 （第

7、一步：實施約束：矩陣約束填寫原則文本約束，原則類同，填寫有別）,（1）軟件短期約束基于ab-型svar模型（ ），長期約束基于脈沖響應(yīng)的累積響應(yīng)函數(shù) （2）關(guān)于短期約束 可識別條件： ab-型svar模型至少需要 個約束 可識別條件一般假設(shè)結(jié)構(gòu)信息 有單位方差，因此通常對矩陣b的約束為對角陣（約束個數(shù) 為 ）或者單位矩陣（約束個數(shù)為 ），以致獲得沖擊的標(biāo)準(zhǔn)偏差. a矩陣主對角元素一般設(shè)為1（約束個數(shù)為 k ） 在矩陣b為單位陣情況下，對a矩陣的約束相當(dāng)于對 矩陣施加約束，即對變量間同期相關(guān) 關(guān)系的約束 ，如有三個內(nèi)生變量稅收（1），政府支出（2），產(chǎn)出（3），根據(jù)經(jīng)濟理論當(dāng)期產(chǎn)出不會影響當(dāng)期政

8、府支出，即矩陣 中 ，在約束時當(dāng)b為單位陣時，直接寫成 約束矩陣中未知元素定義為na （3）關(guān)于長期約束 建立包括長期響應(yīng)矩陣 模塊，約束處填寫0，比如第2個內(nèi)生變量對第1結(jié)構(gòu)沖擊的長期影響為0，則長期響應(yīng)矩陣模塊中第2行第1列元素為0，其他類同，無約束的填寫na （4）不能同時施加長期與短期約束,12,構(gòu)建svar模型矩陣約束填寫原則（簡）,一 約束矩陣b為單位陣（約束個數(shù)為 ） 約束矩陣a為主對角元素為1（約束個數(shù)為 ） ab-型svar模型至少需要 個約束 根據(jù)經(jīng)濟原理再在矩陣a中至少增加 個0約束,13,構(gòu)建svar模型,第一步：實施約束：約束矩陣構(gòu)建與填寫 一 生成矩陣 object

9、s/new object/選中matrix-vector-coef ，填寫矩陣名稱：a或b或 填寫矩陣并保存 填寫規(guī)則見：填寫原則,14,說 明 從var對象窗口的菜單中選擇procs/estimate structural factorization svar options的對話框中，擊中matrix按鈕和short-run pattern按鈕，并在相應(yīng)的編輯框中填入模版矩陣的名字。,構(gòu)建svar模型 （第二步：估計svar）,15,脈沖響應(yīng)分析,var窗口 view impulse response,16,方差分解,var窗口 view variance decomposition,17

10、,協(xié)整檢驗及vec,協(xié)整檢驗 ：請點說明 請點：軟件操作 情形一：不協(xié)整 說明沒長期穩(wěn)定關(guān)第，可以做：請點var模型 情形二：協(xié)整 請點vec模型在eviews軟件中的實現(xiàn),18,協(xié)整檢驗,說 明 var與vec關(guān)系是：vec是有協(xié)整約束（即有長期穩(wěn)定關(guān)系）的var模型，多用于具有協(xié)整關(guān)系的非平穩(wěn)時間序列建模 高鐵梅 計理分析方法與建模 第2版 p295 協(xié)整檢驗僅對非平穩(wěn)序列（單整數(shù)相同）有效 注：如有2階單整，其他是一階單整，則可將2階單整原序列差分或取對數(shù)，生成新序列，再與其他一階單整序列進行協(xié)整檢驗 協(xié)整要進行序列平穩(wěn)性（單位根）檢驗，只有滿足單整數(shù)相同的非平穩(wěn)序列才能進行協(xié)整檢驗 原

11、：不存在協(xié)整關(guān)系,19,協(xié)整檢驗在eviews軟件中的實現(xiàn) 一 起動程序 var對象或group(組)對象的工具欄中選擇view/cointegration test 即可。 二 填寫對話窗 三 協(xié)整結(jié)果,20,填寫協(xié)整檢驗設(shè)定對話框,關(guān)于序列假設(shè),可選部分關(guān)于協(xié)整方程假設(shè),滯后設(shè)定是指在輔助回歸中的一階差分的滯后項，不是指原序列。例如，如果在編輯欄中鍵入“1 2”，協(xié)整檢驗用yt 對 yt-1，yt-2 和其他指定的外生變量作回歸，此時與原序列 yt 有關(guān)的最大的滯后階數(shù)是3。對于一個滯后階數(shù)為1的協(xié)整檢驗，在編輯框中應(yīng)鍵入“0 0”。,不能確定如何選擇，則 選擇此項,21,vec模型在ev

12、iews軟件中的實現(xiàn) 1. 如何估計vec模型 由于vec模型的表達式僅僅適用于協(xié)整序列，所以應(yīng)先運行johansen協(xié)整檢驗，并確定協(xié)整關(guān)系數(shù)。需要提供協(xié)整信息作為vec對象定義的一部分。,如果要建立一個vec模型，在var對象設(shè)定框中，從var type中選擇vector error correction項。在var specification欄中，除了特殊情況外，應(yīng)該提供與無約束的var模型相同的信息：,22, 常數(shù)或線性趨勢項不應(yīng)包括在exogenous series的編輯框中。對于vec模型的常數(shù)和趨勢說明應(yīng)定義在cointegration欄中。 在vec模型中滯后間隔的說明指一階差

13、分的滯后。例如，滯后說明“1 2”將包括vec模型右側(cè)的變量的一階差分項的滯后，即vec模型是兩階滯后約束的var模型 。為了估計沒有一階差分項的vec模型，指定滯后的形式為：“0 0”。,23, 對vec模型常數(shù)和趨勢的說明在cointegration欄（下圖）。必須從5個趨勢假設(shè)說明中選擇一個，也必須在編輯框中填入?yún)f(xié)整關(guān)系的個數(shù)，應(yīng)該是一個小于vec模型中內(nèi)生變量個數(shù)的正數(shù)。,24,如果想強加約束于協(xié)整關(guān)系或(和)調(diào)整參數(shù)，用restrictions欄。注意：如果沒在var specification欄中單擊 impose restrictions項，這一欄將是灰色的。,25,一旦填完這個

14、對話框，單擊ok即可估計vec模型。vec模型的估計分兩步完成：在第一步，從johansen所用的協(xié)整檢驗估計協(xié)整關(guān)系；第二步，用所估計的協(xié)整關(guān)系構(gòu)造誤差修正項，并估計包括誤差修正項作為回歸量的一階差分形式的var模型。,26,27,vec模型估計的輸出包括兩部分。第一部分顯示了第一步從johansen過程所得到的結(jié)果。如果不強加約束，eviews將會用系統(tǒng)默認(rèn)的能可以識別所有的協(xié)整關(guān)系的正規(guī)化方法。系統(tǒng)默認(rèn)的正規(guī)化表述為：將vec模型中前 r 個變量作為剩余 k r 個變量的函數(shù)，其中 r 表示協(xié)整關(guān)系數(shù)，k 是vec模型中內(nèi)生變量的個數(shù)。 第二部分輸出是在第一步之后以誤差修正項作為回歸量的

15、一階差分的var模型。誤差修正項以cointeq1，cointeq2，表示形式輸出。輸出形式與無約束的var輸出形式相同。,28,29,在vec模型輸出結(jié)果的底部，有系統(tǒng)的兩個對數(shù)似然值。第一個值標(biāo)有l(wèi)og likelihood (d.f. adjusted)，其計算用自由度修正的殘差協(xié)方差矩陣，這是無約束的var模型的對數(shù)似然值。標(biāo)有l(wèi)og likelihood的值是以沒有修正自由度的殘差協(xié)方差矩陣計算的。這個值與協(xié)整檢驗所輸出的值是可比較的。,30,2. vec系數(shù)的獲得 對于vec模型，系數(shù)的估計保存在三個不同的二維數(shù)組中：a，b和c。a包含調(diào)整參數(shù)矩陣 ；b包含協(xié)整矩陣；c包含短期參數(shù)

16、矩陣 （一階差方項滯后的系數(shù)）。,(1) a的第一個指標(biāo)是vec的方程序號，第二個指標(biāo)是協(xié)整方程的序號。例如，a(2,1) 表示：vec的第二個方程中的第一個協(xié)整方程的調(diào)整系數(shù)。 (2) b的第一個指標(biāo)是協(xié)整方程序號，第二個指標(biāo)是協(xié)整方程的變量序號。例如， b(2,1) 表示：第二個協(xié)整方程中第一個變量的系數(shù)。注意：這個索引與 的轉(zhuǎn)置相對應(yīng)。,31,(3) c的第一個指標(biāo)是vec的方程序號，第二個指標(biāo)是vec中一階差分回歸量的變量序號。例如，c(2,1) 表示：vec第二個方程中第一個一階差分回歸量的系數(shù)。 在vec模型的名字后面加一個點號和系數(shù)元素，就可以獲得這些系數(shù)，如： var01.a(

17、2,1) var01.b(2,1) var01.c(2,1) 要察看a , b和c的每一個元素和被估計系數(shù)的對應(yīng)關(guān)系，從var的工具欄中選擇 view/representations 即可。,32,表9.4 協(xié)整向量矩陣 的估計結(jié)果,經(jīng)檢驗，由表9.4中的協(xié)整向量分別得到的2個線性組合序列都是平穩(wěn)的，即都是i(0)的。,33,表9.4中取值為1或0的變量系數(shù)是本例施加的約束，如協(xié)整方程1表示實際消費方程，假設(shè)實際消費與實際m1、實際利率、物價和實際工業(yè)總產(chǎn)值之間存在長期均衡關(guān)系，而約束其他變量系數(shù)為0，即 （9.7.16） 其中ecm1t表示回歸方程的殘差項，也即誤差修正模型中的誤差修正項，式

18、（9.7.16）實際消費方程中的系數(shù)表示：在其他條件不變的情況下，實際m1每增加1個百分點，實際消費平均將增加0.16個百分點；而在其他條件不變的情況下，實際工業(yè)總產(chǎn)值每提高1個百分點，實際消費平均提高0.51個百分點；實際利率每提高1個百分點，實際消費平均降低0.03個百分點，但存在4個月的滯后效應(yīng)；同時，前3期物價每提高1個百分點，當(dāng)期實際消費平均提高0.18個百分點，但是統(tǒng)計不顯著。,34,協(xié)整方程2表示實際投資方程，假設(shè)實際固定資產(chǎn)投資與實際利率、物價和實際工業(yè)總產(chǎn)值之間存在長期均衡關(guān)系，而約束其他變量系數(shù)為0，即 （9.7.17） 其中ecm2t也表示回歸方程的殘差項，方程中的系數(shù)分別表示：在其他條件不變的情況下，實際工業(yè)總產(chǎn)值每提高1個百分點，實際投資平均提高0.98，顯然工業(yè)增長對實際投資的拉動作用要大于對實際消費的拉動作用；實際利率每提高1個百分點，實際投資平均降低0.03個百分點，同樣存在一定的滯后效應(yīng)；同時，前3期物價每提高1個百分點，當(dāng)期實際投資平均提高0.22個百分點，但也是統(tǒng)