Eviews数据统计与分析VAR模型和VEC模型-Johansen协整检验

EViews统计分析基础教程
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”|“Lag Structure”|“Lag Length Criteria”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。
EViews统计分析基础教程
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（Lag Exclusion Tests） 是对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。
四、Johansen协整检验
1、Johansen协整理论
根据协整方程中是否包含截距项和趋势项，将其分为五 类： 第一类，序列yt没有确定趋势，协整方程没有截距项； 第二类，序列yt没有确定趋势，协整方程有截距项； 第三类，序列yt有确定的线性趋势，协整方程只有截距 项； 第四类，序列yt有确定的线性趋势，协整方程有确定的 线性趋势； 第五类，序列yt有二次趋势，协整方程只有线性趋势。
EViews统计分析基础教程
一、向量自回归（VAR）模型
3. VAR模型的建立
选择“Quick”|“Estimate VAR…”选项，将会弹出下图所示的 对话框。 该对话框包括三个选项卡，分别是“Basics”、 “Cointegration”和“VEC Restrictions”， 后两个选项卡在VEC模型操 作中使用。系统默认是“Basics” 选项卡。。
EViews统计分析基础教程
四、Johansen协整检验
2、Johansen协整检验 （1）特征根迹（Trace）检验
（2）最大特征值检验
EViews统计分析基础教程
பைடு நூலகம்
四、Johansen协整检验
2、Johansen协整检验
（1）特征根迹（Trace）检验 原假设为 Hr0：λr>0，λr+1=0 备择假设为 H r1：λr+1>0， r=1，2，…，k-1 检验统计量为
EViews统计分析基础教程
一、向量自回归（VAR）模型
2.结构VAR模型（SVAR）
结构VAR是指在模型中加入了内生变量的当期值，即解释变 量中含有当期变量，这是与VAR模型的不同之处。 下面以两变量SVAR模型为例进行说明。 xt=b10 + b12zt +γ11xt-1 +γ12 zt-1 + μxt zt=b20 + b21xt +γ21xt-1 +γ22 zt-1 + μzt 这是滞后阶数p=1的SVAR模型。其中，xt和zt均是平稳随机 过程；随机误差项μxt和μzt是白噪声序列，并且它们之间不相 关。系数b12表示变量的zt的变化对变量xt的影响；γ21表示xt-1 的变化对zt的滞后影响。该模型同样可以用如下向量形式表 达，即 B0 yt= 0 + 1 yt-1 + μt
EViews统计分析基础教程
一、向量自回归（VAR）模型
3. VAR模型的建立
在“VAR Type”中有两个选项： •“Unrestricted VAR”建立的是无约束的向量自回归模型，即 VAR模型的简化式； •“Vector Error Correction”建立的是误差修正模型。 “Estimation Sample”的编辑框中输入的是样本区间，当工 作文件建立好后，系统会自动给出样本区间。 “Endogenous Variables”中输入的是内生变量。 “Exogenous Variables”中输入的是外生变量，系统默认情 况下将常数项c作为外生变量。 “Lag Intervals for Endogenous”中指定滞后区间
EViews统计分析基础教程
二、脉冲响应函数
脉冲响应函数（IRF，Impulse Response Function）分 析方法可以用来描述一个内生变量对由误差项所带 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”|“Impulse Response…” 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。。
-1.0
-0.5
0.0
0.5
1.0
1.5
VAR模型中AR根的图
EViews统计分析基础教程
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
EViews统计分析基础教程
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。
EViews统计分析基础教程
二、脉冲响应函数
“Display Information”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。“ Accumlated Responses” 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。
其中， r是特征根迹统计量。
EViews统计分析基础教程
四、Johansen协整检验
2、Johansen协整检验
（1）特征根迹（Trace）检验 当 0< 临界值时，接受H00，没有协整向量； 当 1> 临界值时，接受H10，至少有一个协整向量； 当 1< 临界值时，接受H10，只有一个协整向量； 当 1> 临界值时，拒绝H10，至少有两个协整向量； … 当 r< 临界值时，接受Hr0，只有r个协整向量。
在EViews软件操作中，选择VAR对象工具栏中的“View”|“Lag Structure”|“Granger Causality/Block Exogeneity Tests”选项，可 得到检验结果 。
EViews统计分析基础教程
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。
在VAR对象的工具栏中选择“View”|“Lag Structure”|“AR Roots Table/ AR Roots Graph”选项，得到AR根的表和图。
EViews统计分析基础教程
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
Inverse Roots of AR Characteristic Polynomial 1.5 1.0 0.5 0.0 -0.5 -1.0 -1.5 -1.5
EViews统计分析基础教程
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“Impulse Definition”。 系统默认下打开的是“Display”选项卡。 其中，“ Display Format” 包含三种显示形式，“ Table” 表 格 形 式 ， “ Multiple Graphs” 多 个 图 形 式 ， “ Combined Graphs” 组 合 图 形 式 。 系 统 默 认 下 是 “Multiple Graphs”选项。
EViews统计分析基础教程
四、 Johansen协整检验
EViews操作
在 EViews 软 件 操 作 中 ， 选 择 VAR01 对 象 工 具 栏 中 的 “View”|“Cointegration Test…”选项，打开下图所示的协整检 验设定对话框。
EViews统计分析基础教程
EViews统计分析基础教程
四、Johansen协整检验
2、Johansen协整检验
（2）最大特征值检验 原假设为 Hr0：λr+1=0 备择假设为 H r 1：λr+1>0， 检验统计量为 r = - n· ln(1-λr+1) 其中， r是最大特征根统计量。 当 0< 临界值时，接受H00，没有协整向量； 当 0> 临界值时，拒绝H00，至少有一个协整向量； 当 1< 临界值时，接受H10，只有一个协整向量； 当 1> 临界值时，拒绝H10，至少有两个协整向量； … 当 r< 临界值时，接受Hr0，只有r个协整向量。
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。
EViews统计分析基础教程
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
上式称为非限制性向量自回归（Unrestricted VAR）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。
EViews统计分析基础教程
四、Johansen协整检验
1、Johansen协整理论
其中，Δyt和Δyt-j（j=1，2，…，p）都是由I(0)变量构成 的向量，如果 yt-1是I(0)的向量，即y1t-1，y2t-1，…， ykt-1之间具有协整关系，则Δyt是平稳的。
EViews统计分析基础教程
EViews统计分析基础教程
四、Johansen协整检验
1、Johansen协整理论
在VAR(p)模型中，设变量y1t， y2t，…，ykt均是非平 稳的一阶单整序列，即yt~I(1)。xt是d维外生向量，代 表趋势项、常数项等， yt=A1 yt-1 +A2 yt-2 +…+ Ap yt-p+B xt + μt 变量y1t， y2t，…，ykt的一阶单整过程I(1)经过差分后 变为零阶单整过程I(0)
EViews统计分析基础教程
四、Johansen协整检验
1、Johansen协整理论
设变量y1t， y2t，…，ykt均是非平稳的一阶单整序列，即 yt~I(1)。xt是d维外生向量，代表趋势项、常数项等， yt=A1 yt-1 +A2 yt-2 +…+ Ap yt-p+B xt + μt 变量y1t， y2t，…，ykt的一阶单整过程I(1)经过差分后变 为零阶单整过程I(0)
EViews统计分析基础教程
第11章 VAR模型和VEC模型
重点内容：
• 向量自回归理论
• VAR模型的建立
• Johansen协整检验
• VEC模型的建立
EViews统计分析基础教程
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=A1 yt-1 +A2 yt-2 +…+ Ap yt-p+B xt + μt
EViews统计分析基础教程
三、方差分解
基本思想： 方差分解的基本思想是，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”|“Variance Decomposition…” 选项，弹出对话 框。其部分内容设定与脉冲响应函数相同。当改变 VAR模型中的变量顺序时，基于Cholesky因子的方差 分解会有改变。