VAR模型应用案例(完成)

VAR模型应用实例

众所周知，经济的发展运行离不开大量能源的消耗，尤其是在现代经济发展的过程中，

能源的重要性日益提升。我国自改革开放以来，经济发展取得长足的进步，经济增长率一直处于较高的速度，经济的高速增长带来了能源的大量消耗，进而带来了我国能源生产的巨大

提高。因此，研究经济增长率与能源生产增长率之间的关系具有重要的意义，能为生源生产

提供一定的指导意义。

1•基本的数据

我们截取1978—2015年中国经济增长速度（GDP增速）和中国能源生产增长速度数据，具体数据如下：

表1 1978―― 2016年中国经济和能源生产增长率

2•序列平稳性检验（单位根检验）

使用Eviews9.0来创建一个无约束的VAR模型，用gdp表示的是中国经济的增长率，用nysc表示中国能源生产的增长率，下面分别对gdp和nysc进行单位根检验，验证序列是否

平稳，能否达到建立VAR模型的建模前提。

Augm&nted Di ckey-Fuller Test Equation

Dependent Variables (GDP) Method. Least Squares Date： 05/17/17 Time： 10:55 Sample (adjusted): 19S2 2015

Included observations: 34 after adjustments

Variable Coefficient St! Error t^Statistic Prob.

GDP(-1)-0.8561710.221114 -18675530,0006

EXGDPHJ)0.6256310.193529 3.23275510031

D(GDP 図)0.0492400.175617 0.280544 07811

D(GDP(-3))0264937 0.16734B 1.583145 01242 C3540050 2222961 3,841745 00006

R-squareri 0.45S475 Mean dependent var 0.052941

Adjusted R-squared 0 383782 S.D d即巴口血吋调「 2.545731

r r di “內erm 洽占耗…甘尺讨丹, A

图2.1经济增速（GDP）的单位根检验

0 Series: NYSC Workfilm ： UNTirLED!：Jntitled\

P B

I-

V ——

Jil

M

M

-y

w

M

q

Vievy P IXK Object Properties Print I Pk me Freeze Scimple Genr Sheet Graph

图22能源生产增速（nysc ）的单位根检验

经过检验，在1%的显著性水平上，gdp 和nysc 两个时间序列都是平稳的，符合建模的 条件，我们建立一个无约束的 VAR 模型。 3.VAR 模型的估计

Augmented Dickey-Full er Unit Root Test on MYSC

hull Hypothesis: NYSC has a unit root

Dwg&nous; Constant

Lag Length: 1 fAutomatic- based on SIC,rnaj (lag=9)

t-Statistic Prob *

AUQniMt£(1 Die 魁y-FUll 总「tests 情t 圖 t -3.935987 (LQD4弓

S%kvel -2 945S42 10% level

-2.611531

* MacKinnon (1996) one-sided f>valjes.

Augrnented Dicke ?-FullerTest Equation Dependent Variable: D(NYSC) Method: Least Squares Date: 05/17/17 Tine: 10:59 Sample [adjusted); 1930 2015

Included observations: 36 after adjustm&nts

Variable Co efficient Std Error 1-8! ati stic

Prob. hYSCM) -0 530986 0 134905 -3935987 0 0004 D[N¥SC(-1»

0 430549 0.150055 2 922585 0 0062 C 2 746938

0 057266

1204300

0 0030

R-squared

0 34306B Main dependentvar -0 069444 .Adjusted R-squared 0.303254 S D dependent war 3.610704 S.E. of regression 2 930431 Akaike info criterion 5067831 Sum squared resid 283.3851 Schwarz criterion 5.199791 Log likelihood -88.22096 Hannan-Quinn criter. 5.113889 F-statistic 8.&16746 Durbin-Wstsor stat 1.990251

ProLiF-slatiStic)

0.000975

Ve dor Autor&gression Estimates

Date: 05/17/17 Time: 11:03

Sample (adjusted)' 1980 2015

IndLided oDserations: 36 after adjustmEnts Standarfl errors in() & 卜statistics in[]

GDP NYSC

GDP[-1)0.B25644

(0.16499>

[5.003B9)

0271538

(0.23569)

[1.15068]

GDP 卜2)-0.530495

(015625)

[-3.19096]-0 292356 (0 237601 [^1 22942]

NYSC{-1^-0.052225

(0.11565)

F045156]0.S4-6355 (0.16542: [511612]

NYSC(-2)0.1&6100

(0.11349> H

63977]-0.35756a [0.16234) 1-220263]

G 6.194513

C1.50887>

14.10539' 2 353291 (2.15827} [1.32665]

R-squared 0.492565 9554387

Adj. R-squared 0.427089 0.4&B 朋9

Sum sq. res id合1305151 267.0323

S E equation 2.051969 2934965

F-statistic Z522S90 9,641791

Log likelihood-74,26525-87.15117

Altai kreAIC 4.403525 5119509 Schwarz SC 4.S23558 5339442

Mean dependent 9.7380695016667

S D deperdent 2.710&54 4137805

Determinant res id covariance (doradj.) 30.72390 Determinant res id covariance22.78215

L OQ likelihood -15B4312

Altai Ice information crit&rior 9357287

Schwa IT criterion 9 797154

图3.1模型的估计结果