VAR-向量自回归模型

4
（二）EViews软件中VAR模型的建立和估计
1．建立VAR模型 为了创建一个VAR对象，应选择Quick/Estimate VAR… 或者选择Objects/New object/VAR或者在命令窗口中键入 var。便会出现下图的对话框：
5
可以在对话框内添入相应的信息： (1) 选择模型类型（VAR Type）：
相互之间可以同期相关，但不与自己的滞后值相关及不与
等式右边的变量相关
3
由于仅仅有内生变量的滞后值出现在等式的右边，所 以不存在同期相关性问题，用普通最小二乘法(OLS)能得
到VAR简化式模型的一致且有效的估计量。即使扰动向量
t有同期相关，OLS仍然是有效的，因为所有的方程有相
同的回归量，其与广义最小二乘法(GLS)是等价的。注意， 由于任何序列相关都可以通过增加更多的yt的滞后而被消 除（absorbed），所以扰动项序列不相关的假设并不要求 非常严格。
14
1. Granger因果关系的定义
Granger解决了x是否引起y的问题，主要看现在的
y能够在多大程度上被过去的x解释，加入x的滞后值是
否使解释程度提高。如果x在y的预测中有帮助，或者x 与y的相关系数在统计上显著时，就可以说“y是由x Granger引起的”。 考虑对yt进行s期预测的均方误差（MSE）：
(1 yt a10 a11) (1) x a a t 20 21 (1 (2 a12) yt 1 a11 ) ( 2) (1) xt 1 a21 a22 (2 a12 ) yt 2 ( 2 ) xt 2 a22
第三种表达方式是x关于未来的y无线性影响信息。
16
可以将上述结果推广到k个变量的VAR(p)模型中去，
考虑对模型(3.1.5)，利用从(t 1)至(t p)期的所有信息， 得到yt的最优预测如下：
ˆ ˆ ˆ yt A1 yt 1 A p yt p εt
(3.2.3)
19
这时，判断Granger原因的直接方法是利用F-检验 来检验下述联合检验：
(q H 0 : a12 ) 0 , q 1 , 2, , p
H 1 : 至少存在一个q使得 a ( q )
12
0
其统计量为
S1 ( RSS 0 RSS 1 ) / p RSS 1 /(T 2 p 1) ~ F ( p, T 2 p 1)
1 4
表示用系统中所有内生变量的1阶到4阶滞后变量作为等式 右端的变量。 也可以添加代表滞后区间的任意数字，但都要成对输入。 例如： 2 4 6 9 12 12 即为用2―4阶，6―9阶及第12阶滞后变量。
7
(4) 在Endogenous Variables和Exogenous Variables编辑 栏中输入相应的内生变量和外生变量。系统通常会自动给
计量，在表的最后一行（ALL）列出了检验所有滞后内 生变量联合显著的2统计量数值。
27
（三）
滞后阶数p的确定
VAR模型中一个重要的问题就是滞后阶数的确定。
在选择滞后阶数p时，一方面想使滞后数足够大，以便
能完整反映所构造模型的动态特征。但是另一方面，滞 后数越大，需要估计的参数也就越多，模型的自由度就 减少。所以通常进行选择时，需要综合考虑，既要有足 够数目的滞后项，又要有足够数目的自由度。事实上，
向量自回归模型
传统的经济计量方法是以经济理论为基础来描述变 量关系的模型。但是，经济理论通常并不足以对变量之 间的动态联系提供一个严密的说明，而且内生变量既可 以出现在方程的左端又可以出现在方程的右端使得估计
和推断变得更加复杂。为了解决这些问题而出现了一种
用非结构性方法来建立各个变量之间关系的模型。本章 所要介绍的向量自回归模型(vector autoregression，VAR) 和向量误差修正模型(vector error correction model， VEC)就是非结构化的多方程模型。
这是VAR模型的一个缺陷，在实际中常常会发现，将不
得不限制滞后项的数目，使它少于反映模型动态特征性 所应有的理想数目。
28
1. 确定滞后阶数的LR(似然比)检验
( a11p ) ( p) a 21
a a
( p) 12 ( p) 22
yt p 1t x t p 2t
(q) 12
(3.2.5)
当且仅当系数矩阵中的系数 a
全部为0时，变量x不
能Granger引起y，等价于变量x外生于变量y。
MA和 ARMA模型也可转化成 VAR模型 ，因此近年来
VAR模型受到越来越多的经济工作者的重视。
2
（一） VAR模型的一般表示
VAR(p) 模型的数学表达式是
y t A1 y t 1 A p y t p BX t ε t
(3.1.1)
其中：yt 是 k 维内生变量向量，Xt 是d 维外生变量向量，p 是滞后阶数，样本个数为T 。kk维矩阵A1，…，Ap和kd 维矩阵B是要被估计的系数矩阵。t是k维扰动向量，它们
并显示在对应的列中。
输出的第二部分显示的是VAR模型的回归统计量。
残差的协方差的行列式值由下式得出：
1 ˆ det ˆ ˆ Σ ε t ε 't T m t
12
ˆ 其中m是VAR模型每一方程中待估参数的个数， ε t 是k
维残差列向量。通过假定服从多元正态（高斯）分布
2
(3.2.10)
注意，S2服从自由度为p的2分布。如果S2大于2 的
临界值，则拒绝原假设；否则接受原假设：x不能 Granger引起y。 而且Granger因果检验的任何一种检验结果都和滞后 长度p的选择有关，并对处理序列非平稳性的方法选择
结果极其敏感。
22
（二）
在Eviews软件关于VAR模型的各种检验
有kp个根，其中k是内生变量的个数，p是最大滞后阶数。
如果估计一个有r个协整关系的VEC模型，则应有k r个 根等于1。 对于例3.1，可以得到如下的结果：
24
有2个单位根的
模大于1，因此例3.1
的模型不满足稳定 性条件，而且在输 出结果的下方会给 出警告(warning)。
25
下面给出单位根的图形表示的结果：
9
表中的每一列对应VAR模型中一个内生变量的方 程。对方程右端每一个变量，EViews会给出系数估计
值、估计系数的标准差(圆括号中)及t-统计量(方括号
中)。
同时，有两类回归统计量出现在VAR对象估计输
出的底部：
10
11
输出的第一部分显示的是每个方程的标准OLS回归 统计量。根据各自的残差分别计算每个方程的结果，
计算对数似然值：
l
Tn 2
1 ln 2π
T 2
ˆ ln Σ
AIC和SC两个信息准则的计算将在后文详细说明。
13
二 VAR模型的检验
无论建立什么模型，都要对其进行识别和检验，以
判别其是否符合模型最初的假定和经济意义。本节简单
介绍关于VAR模型的各种检验。这些检验对于后面将要 介绍的向量误差修正模型（VEC）也适用。 （一） Granger因果检验 VAR模型的另一个重要的应用是分析经济时间序列 变量之间的因果关系。本节讨论由Granger(1969) 提出， Sims(1972) 推广的如何检验变量之间因果关系的方法。
一旦完成VAR模型的估计，EViews会提供关于被
估 计 的 VAR 模 型 的 各 种 视 图 。 将 主 要 介 绍 View/Lag
Structure和View/Residual Tests菜单下 提供的检验 。
23
1．VAR模型滞后结构的检验 (1) AR根的图表 如果被估计的VAR模型所有根模的倒数小于1，即 位于单位圆内，则其是稳定的。如果模型不稳定，某些 结果将不是有效的（如脉冲响应函数的标准误差）。共
1
一
向量自回归理论
向量自回归(VAR)是基于数据的统计性质建立模型，
VAR模型把系统中每一个内生变量作为系统中所有内生
变量的滞后值的函数来构造模型，从而将单变量自回归 模型推广到由多元时间序列变量组成的“向量”自回归 模型。VAR模型是处理多个相关经济指标的分析与预测 最容易操作的模型之一，并且在一定的条件下，多元
VAR(p)模型中Granger因果关系如同两变量的情形，可
以判断是否存在过去的影响。作为两变量情形的推广， 对多个变量的组合给出如下的系数约束条件：在多变量 VAR(p)模型中不存在yjt到yit的Granger意义下的因果关系 的必要条件是
17
ˆ a
ij
(q) ij
0
q 1， ， ，p 2
(3.2.4)
ˆ 其中a ( q )是 Aq 的第i行第j列的元素。 ˆ
2. Granger因果关系检验
Granger因果关系检验实质上是检验一个变量的滞
后变量是否可以引入到其他变量方程中。一个变量如果 受到其他变量的滞后影响，则称它们具有Granger因果 关系。
18
在一个二元p阶的VAR模型中
26
（2） Granger 因果检验 选择View/Lag Structure/ Pairwise Granger Causality Tests，即可进行Granger因果检验。输出结果对于VAR 模型中的每一个方程，将输出每一个其他内生变量的滞
后项(不包括它本身的滞后项)联合显著的 2（Wald）统
MSE
1 s
( y t i y t i ) 2 ˆ
i 1
s
(3.2.1)
15
这样可以更正式地用如下的数学语言来描述
Granger因果的定义：如果关于所有的s > 0，基于(yt，yt1，…)预测yt+s得到的均方误差，与基于(yt，yt-1，…)和(xt，
xt-1，…)两者得到的yt+s 的均方误差相同，则y不是由x Granger引起的。对于线性函数，若有
无约束向量自回归（Unrestricted VAR）或者向量误
差修正（Vector Error Correction）。无约束VAR模型是 指VAR模型的简化式。 (2) 在Estimation Sample编辑框中设置样本区间。
6
(3) 在Lag Intervals for Endogenous编辑框中输入滞后信 息，表明哪些滞后变量应该被包括在每个等式的右端。这 一信息应该成对输入：每一对数字描述一个滞后区间。例 如，滞后对
(3.2.6)
如果S1 大于F的临界值，则拒绝原假设；否则接受原假
设：x不能Granger引起y。
20
其中：RSS1是式(3.2.5)中y方程的残差平方和：
ˆ12t RSS 1
t 1
T
(3.2.7)
RSS0是不含x的滞后变量， 即如下方程的残差平方和：
（ 1 （2 ( ~ yt a10 a11) yt 1 a11）yt 2 a11p ) yt p 1t
ˆ MSE[E( yt s | yt , yt 1 ,)] ˆ MSE[E( yt s | yt , yt 1 , , xt , xt 1 ,)]
(3.2.2)
可 以得 出 结 论 ： x不 能 Granger引 起 y。 等 价 的 ， 如 果 (3.2.2)式成立，则称x对于y是外生的。这个意思相同的
(3.2.8)
则有
~ ˆ RSS 0 12 t
t 1
T
(3.2.9)
21
在满足高斯分布的假定下，检验统计量式(3.2.6)具 有精确的F分布。如果回归模型形式是如式(3.2.5)的VAR 模型，一个渐近等价检验可由下式给出：
S2
T ( RSS 0 RSS 1 ) RSS 1
~ ( p)
出常数c作为外生变量，但是相应的编辑栏中输入c作为外
生变量，也可以，因为EViews只会包含一个常数。
其余两个菜单（Cointegration 和 Restrictions）仅与
VEC模型有关，将在下面介绍。
8
ห้องสมุดไป่ตู้
2．VAR估计的输出 VAR对象的设定框填写完毕，单击OK按纽，EViews 将会在VAR对象窗口显示如下估计结果：