VAR案例分析

VAR模型的应用举例

1案例分析的目的

股市对居民储蓄存款存在分流的作用。一般来说，若股市出现牛市，资金会从存款性金融机构流向股市，居民储蓄存款下降或者增速会减缓。从当前我国经济发展趋势来看，居民储蓄存款与股市交易额均呈上升趋势。那么两者是否存在相互影响呢？本案例将分析居民储蓄与股市之间的这种联动效应。

2实验数据

本实验选取从1996年到2008年4月的月度数据。整理如下。

表1股市交易额与居民存款余额单位：亿元

4.3.1数据平稳性检验

考虑到本例中的数据是宏观经济月度数据，先消除季节性特征后再进行分析。另外数据变动趋势过大，本例还对数据进行了对数平滑处理。下图是两个变量经过季节性调整并取对数后的新序列，其中Isa表示居民储蓄额，ltr表示股市交易总额。

在主窗口命令行中输入：

genr lsa=log(sav in gsa)

genr ltr=log(tradi ngsa)

图1居民储蓄额与股市交易额对数值的对比图

根据图形特征选取同时存在截距项和趋势项进行单位根检验。分别在Isa和ltr窗口中点击view/unit root test ••/。

Lsa单位根检验的结果：

Null Hypothesis: LSA has a unit root

Exogenous: Constant, Linear Trend

Lag Length: 0 (Automatic based on SIC, MAXLAG=13)

Ltr单位根检验的结果：

Null Hypothesis: LTR has a unit root

Exogenous: Constant, Linear Trend

Lag Length: 0 (Automatic based on SIC, MAXLAG=13)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -4.102597 0.0078

Test critical values: 1% level -4.022586

5% level -3.441111

10% level -3.145082

*MacKinnon (1996) one-sided p-values.

从而lsa和ltr在10%的显著性水平上均是平稳序列。

3.2 VAR模型滞后阶数的选择

选取view/lag structure/lag length criteria。由于总共有146个月度样本，选取最大的可能滞后阶数为12。

不同判断标准下滞后阶数的选取：

VAR Lag Order Selection Criteria

Endogenous variables: LSA LTR

Exogenous variables: C

Sample: 1 146

Included observations: 134

Lag LogL LR FPE AIC SC HQ

0 -241.1002 NA 0.129071 3.628361 3.671612 3.645936

1 325.2560 1107.353 2.92e-05* -4.765015* -4.635261* -4.712287*

2 327.8788 5.049985 2.98e-05 -4.744460 -4.52820

3 -4.656580

3 329.2750 2.64638

4 3.10e-0

5 -4.70559

6 -4.40283

7 -4.582565

4 332.5300 6.072830 3.14e-0

5 -4.694478 -4.305215 -4.536294

5 336.7587 7.763083 3.13e-05 -4.697891 -4.22212

6 -4.504555

6 337.4164 1.187934 3.29e-05 -4.64800

7 -4.085739 -4.419519

7 341.9924 8.127393 3.26e-05 -4.656603 -4.007832 -4.392963

8 342.9109 1.603927 3.42e-05 -4.610610 -3.875337 -4.311819

9 349.2137 10.81825* 3.31e-05 -4.644980 -3.823205 -4.311037

10 349.8590 1.088389 3.48e-05 -4.594910 -3.686632 -4.225816

11 353.2477 5.614172 3.52e-05 -4.585787 -3.591006 -4.181540

12 355.3351 3.395945 3.63e-05 -4.557241 -3.475958 -4.117842

从以上分析结果可以看出，FPE AIC、SC和HQ都得出滞后阶数为1时VAR模型

时最优的。因此选取的最优滞后阶数为1,即k=1。

3.3 VAR模型的估计

下表是滞后阶数为1时VAR模型的估计结果。

VAR(1)的估计结果：

Sample (adjusted): 2 146

Included observations: 145 after adjustments

Standard errors in ( ) & t-statistics in []

LSA LTR

LSA(-1) 1.001170 0.228703

(0.00255) (0.09860)

[393.219] [2.31943]

LTR(-1) -0.004083 0.808610

(0.00119) (0.04622)

[-3.42147] [17.4964]

C 0.032687 -0.987968

(0.02389) (0.92510)

[1.36837] [-1.06795]

R-squared 0.999440 0.808826

Adj. R-squared 0.999432 0.806134

Sum sq. resids 0.020346 30.51501

S.E. equation 0.011970 0.463567