Eviews数据统计与分析教程11章.

-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
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。。
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。
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。
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。
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
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
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。
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。
EViews统计分析基础教程Leabharlann 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
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
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。
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
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
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。
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
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。。
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
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