在Eviews中验证VAR模型的方法

1、在 Eviews 中验证 VAR 模型的方法稻草人颖 一、平稳性检验(一背景知识数据变量的平稳性是传统的计量经济分析的基本要求之一。 只有模型中的变 量满足平稳性要求时, 传统的计量经济分析方法才是有效的。 而在模型中含有非 平稳时间序列式, 基于传统的计量经济分析方法的估计和检验统计计量将失去通 常的性质, 从而推断得出的结论可能是错误的。 因此, 在建立模型之前有必要检 验数据的平稳性。这就是平稳性检验。常见的数据类型 时间序列数据(time-series data ; 截面数据 (cross-sectionaldata ; 平行 /面板数据(panel data/time-seriesc

2、ross-section data ;经典回归分析暗含着一个重要假设:数据是平稳的; 数据非平稳, 往往导致 出现“虚假回归” 。故:时间序列首先遇到的问题就是平稳性的问题。(二操作步骤注:进行操作的数首先需要进行取对数的处理。(1File New Workfile 。 (2选择 Ustructured/Undated,在 Observations 里输入数据量数 OK 。 (3Quick Empty Group 复制并粘贴数据关闭。 (4选择需要进行平稳性检验的单个变量右键 Open View Unit Root Test Augmented Dickey-Fuller OK。 (5查看结果

3、。如果 Prob 的值大于 0.05(或者 0.1 ,或者 1%、 5%、 10%水平下的临界值 小于假设的 Augmented Dickey-Fuller 的值, 则说明不能拒绝原假设, 说明不平稳。 反之,则拒绝原假设,说明平稳。为了得到的平稳的结果,如果第一次检验不平稳,可以尝试使用一阶差分, 如若再不平稳,使用二阶差分,以此类推,直到得到平稳的结果为止。 二、协整性检验(一背景知识协整即存在共同的随机性趋势。 协整检验的目的是决定一组非平稳序列的线 性组合是否具有稳定的均衡关系, 伪回归的一种特殊情况即是两个时间序列的趋 势成分相同, 此时可能利用这种共同趋势修正回归使之可靠。 正是由

4、于协整传递 出了一种长期均衡关系, 若是能在看来具有单独随机性趋势的几个变量之间找到 一种可靠联系, 那么通过引入这种醉汉与狗之间距离的 “ 相对平稳 ” 对模型进行调 整,可以排除单位根带来的随机性趋势,即所称的误差修正模型。在进行时间系列分析时, 传统上要求所用的时间系列必须是平稳的, 即没有 随机趋势或确定趋势,否则会产生 “ 伪回归 ” 问题。但是,在现实经济中的时间系 列通常是非平稳的, 我们可以对它进行差分把它变平稳, 但这样会让我们失去总 量的长期信息, 而这些信息对分析问题来说又是必要的, 所以用协整来解决此问 题。(二操作步骤(1导入数据。方法同平稳性检验的步骤 (1(2。(

5、2选择需要进行协整检验的相关变量 Open as Group 。(3点击 View ,选择 Cointegration Test ,默认值,最后点击“确定” 。 (4查看结果。查看至少存在几个的协整关系,并保证其 Prob 值小于 0.05(或者 0.1 ,然后才 可进行 Granger 因果关系检验。三、 Granger 因果关系检验(一背景知识协整检验说明变量之间存在长期均衡关系 , 但是否构成因果关系 , 还需要进 一步检验。如果变量 X 有助于预测 Y , 即根据 Y 的过去值对 Y 进行回归时 , 如果 再加上 X 的过去值 , 能够显著地增强回归的解释能力 , 则称 X 是 Y 的

6、 Granger 原因 , 否则称为非 Granger 原因。其检验模型为:比较 F 统计量与临界值的大小即可得检验结果。如果 F 大于临界值就拒绝零 假设 H0:x 是 y 的 Granger 原因 , 若 F 小于临界值 , 则不能拒绝零假设 :这就意味着 x 不 是 y 的“ Granger 原因” 。(二操作步骤(1导入数据。方法同平稳性检验的步骤 (1(2。(2选择需要进行协整检验的相关变量 Open as Group 。(3点击 View ,选择 Gander Causality ,默认值,最后点击“确定” 。 (4查看结果。如果 Prob 的值大于 0.05(或者 0.1 ,则说

7、明其两者之间存在因果关系,否 则则不存在因果关系。四、 VAR 模型(一背景知识向量自回归模型简称 VAR 模型,是一种常用的计量经济模型, 1980年由克 里斯托弗 ·西姆斯(Christopher Sims 提出。 VAR 模型是用模型中所有当期变量 对所有变量的若干滞后变量进行回归。 VAR 模型用来估计联合内生变量的动态 关系,而不带有任何事先约束条件。它是 AR 模型的推广,此模型目前已得到广 泛应用。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 MA 和 ARMA 模型也可转化成 VAR 模型。(二操作步骤(1导入数据。方法同平稳性检验的步骤 (1(2。(2选择需要进行协整检验的相关变量 Open as VAR 默认确定。(3 结果分析。 11 (4 ViewLag StructureAR Roots Graph确定。 结果分析：如果 VAR 模型的单位根全部落在单位圆内，则说明