var模型johansen协整检验在eviews中具体操作步骤及结果解释

1、var模型johansen协整检验在eviews中具体操作步骤及结果解释var模型johansen协整检验在eviews中具体操作步骤及结果解释第1页2一、VAR模型及特点 1. VAR模型向量自回归模型 2. VAR模型特点 二、VAR模型滞后阶数p确实定方法 确定VAR模型中滞后阶数 p 两种方法 案例 三、Jonhamson协整检验 1.Johanson协整似然比（LR）检验 2.Johanson协整检验命令 案例 3.协整关系验证方法 案例 四、 格兰杰因果关系检验 1.格兰杰因果性定义 2.格兰杰因果性检验 案例 五、 建立VAR模型 案例 六、利用VAR模型进行预测 案例七、脉冲响

2、应函数与方差分解 案例八、向量误差修正模型 案例var模型johansen协整检验在eviews中具体操作步骤及结果解释第2页3 1. VAR模型向量自回归模型 经典计量经济学中，由线性方程组成联立方程组模型，由科普曼斯（poOKmans1950）和霍德科普曼斯（Hood-poOKmans1953）提出。联立方程组模型在20世纪五、六十年代曾轰动一时，其优点主要在于对每个方程残差和解释变量相关问题给予了充分考虑，提出了工具变量法、两阶段最小二乘法、三阶段最小二乘法、有限信息极大似然法和完全信息极大似然法等参数预计方法。这种建模方法用于研究复杂宏观经济问题，有时多达万余个内生变量。当初主要用于预

3、测和一、VAR模型及特点var模型johansen协整检验在eviews中具体操作步骤及结果解释第3页4政策分析。但实际中，这种模型效果并不令人满意。 联立方程组模型主要问题： （1）这种模型是在经济理论指导下建立起来结构模型。遗憾是经济理论并不未明确给出变量之间动态关系。 （2）内生、外生变量划分问题较为复杂； （3）模型识别问题，当模型不可识别时,为到达可识别目标，常要将不一样工具变量加到各方程中，通常这种工具变量解释能力很弱； （4）若变量是非平稳（通常如此），则会违反假设，带来更严重伪回归问题。var模型johansen协整检验在eviews中具体操作步骤及结果解释第4页5 由此可知，

4、经济理论指导下建立结构性经典计量模型存在不少问题。为处理这些问题而提出了一个用非结构性方法建立各变量之间关系模型。本章所要介绍VAR模型和VEC模型，就是非结构性方程组模型。 VAR (Vector Autoregression)模型由西姆斯（C.A.Sims,1980）提出,他推进了对经济系统动态分析广泛应用，是当今世界上主流模型之一。受到普遍重视，得到广泛应用。 VAR模型主要用于预测和分析随机扰动对系统动态冲击，冲击大小、正负及连续时间。 VAR模型定义式为：设 是N1阶时序应变量列向量，则p阶VAR模型（记为VAR(p)）：（11.1）var模型johansen协整检验在eviews中

5、具体操作步骤及结果解释第5页6式中， 是第i个待估参数NN阶矩阵; 是N1阶随机误差列向量; 是NN阶方差协方差矩阵； p 为模型最大滞后阶数。 由式（11.1）知，VAR(p)模型，是以N个第t期变量 为应变量，以N个应变量最大p阶滞后变量为解释变量方程组模型，方程组模型中共有N个方程。显然，VAR模型是由单变量AR模型推广到多变量组成“向量”自回归模型。 对于两个变量（N=2）， 时，VAR(2)模型为var模型johansen协整检验在eviews中具体操作步骤及结果解释第6页7用矩阵表示： 待估参数个数为2 22=用线性方程组表示VAR(2)模型： 显然，方程组左侧是两个第t期内生变量

6、；右侧分别是两个1阶和两个2阶滞后应变量做为解释变量，且各方程最大滞后阶数相同,都是2。这些滞后变量与随机误差项不相关（假设要求）。var模型johansen协整检验在eviews中具体操作步骤及结果解释第7页8 因为仅有内生变量滞后变量出现在等式右侧，故不存在同期相关问题，用“LS”法预计参数，预计量含有一致和有效性。而随机扰动列向量自相关问题可由增加作为解释应变量滞后阶数来处理。 这种方程组模型主要用于分析联合内生变量间动态关系。联合是指研究N个变量 间相互影响关系，动态是指p期滞后。故称VAR模型是分析联合内生变量间动态关系动态模型，而不带有任何约束条件，故又称为无约束VAR模型。建VA

7、R模型目标： （1）预测，且可用于长久预测； （2）脉冲响应分析和方差分解，用于变量间动态结构分析。var模型johansen协整检验在eviews中具体操作步骤及结果解释第8页9 所以, VAR模型既可用于预测,又可用于结构分析。多年又提出了结构VAR模型（SVAR：Structural VAR）。 有取代结构联立方程组模型趋势。由VAR模型又发展了VEC模型。 2. VAR模型特点 VAR模型较联立方程组模型有以下特点： （1）VAR模型不以严格经济理论为依据。在建模过程中只需明确两件事：第一，哪些变量应进入模型（要求变量间含有相关关系格兰杰因果关系 ）；第二，滞后阶数p确实定（确保残差刚

8、好不存在自相关）；var模型johansen协整检验在eviews中具体操作步骤及结果解释第9页10 （2）VAR模型对参数不施加零约束（如t检验）； （3）VAR模型解释变量中不含t期变量，全部与联立方程组模型相关问题均不存在； （4）VAR模型需预计参数较多。如VAR模型含3个变量（N=3），最大滞后期为p=2，则有 =232=18个参数需要预计； （5）当样本容量较小时，多数参数预计精度较差，故需大样本，普通n50。 注意： “VAR”需大写，以区分金融风险管理中VaR。var模型johansen协整检验在eviews中具体操作步骤及结果解释第10页11 建立VAR模型只需做两件事 第一

9、，哪些变量可作为应变量？VAR模型中应纳入含有相关关系变量作为应变量，而变量间是否含有相关关系，要用格兰杰因果关系检验确定。 第二，确定模型最大滞后阶数p。首先介绍确定VAR模型最大滞后阶数p方法：在VAR模型中解释变量最大滞后阶数p太小，残差可能存在自相关，并造成参数预计非一致性。适当加大p值（即增加滞后变量个数），可消除残差中存在 二、VAR模型中滞后阶数p确实定方法 var模型johansen协整检验在eviews中具体操作步骤及结果解释第11页12自相关。但p值又不能太大。p值过大，待估参数多,自由度降低严重，直接影响模型参数预计有效性。这里介绍两种常见确实定p值方法。 （1）用赤池信

10、息准则（AIC）和施瓦茨（SC）准则确定p值。确定p值方法与标准是在增加p值过程中，使AIC和 SC值同时最小。 详细做法是：对年度、季度数据，普通比较到P=4，即分别建立VAR(1)、VAR(2)、VAR(3)、VAR(4)模型，比较AIC、SC，使它们同时取最小值p值即为所求。而对月度数据，普通比较到P=12。 当AIC与SC最小值对应不一样p值时，只能用LR检验法。var模型johansen协整检验在eviews中具体操作步骤及结果解释第12页13 （2）用似然比统计量LR选择p值。LR定义为： 式中， 和 分别为VAR(p)和VAR(p+i)模型对数似然函数值；f为自由度。 用对数似然

11、比统计量LR确定P方法用案例说明。 var模型johansen协整检验在eviews中具体操作步骤及结果解释第13页14 案例1 我国1953年年支出法我国生产总值（GDP）、最终消费（Ct）和固定资本形成总额（It） 时序数据列于D8.1中。数据起源于中国统计年鉴各期。 用商品零售价格指数p90（1990年=100）对GDP、Ct和It进行平减，以消除物价变动影响，并进行自然对数变换，以消除序列中可能存在异方差，得到新序列： LGDPt=LOG(GDPt/p90t)； LCt=LOG(Ct/p90t)； LIt=LOG(It/p90t)。GDP、 Ct和 It与LGDPt、 LCt和LIt时

12、序图分别示于图11-1和图11-2，由图11-2能够看出，三个对数序列改变趋势基础一致，可能存在协整关系。var模型johansen协整检验在eviews中具体操作步骤及结果解释第14页15图11-1 GDPt、 Ct和 It 时序图图11-2 LGDPt、 LCt和 LIt时序图var模型johansen协整检验在eviews中具体操作步骤及结果解释第15页16 表11.1 PP单位根检验结果 检验 检验值 5% 模型形式 DW值 结 论 变量 临界值 （C t p） -4.3194 -2.9202 (c 0 3) 1.6551 LGDPt I(1) -5.4324 -2.9202 (c 0

13、 0) 1.9493 LCt I( 1) -5.7557 -2.9202 (c 0 0) 1.8996 LItI(1) 注 C为位移项， t为趋势，p为滞后阶数。 由表11.1知， LGDPt、 LCt和LIt均为一阶单整，可能存在协整关系。 因为 LGDP、 LCt和LIt可能存在协整关系，故对它们进行单位根检验，且选取pp检验法。检验结果列于表11.1.案例 1 (一)单位根检验var模型johansen协整检验在eviews中具体操作步骤及结果解释第16页17 案例1 (二)滞后阶数p确实定 首先用赤池信息准则（AIC）和施瓦茨（SC）准则选择p值，计算结果列于表11.2。 表11.2

14、AIC与SC随p改变 由表11.2知,AIC和SC最小值对应p值均为， 故应取VAR模型滞后阶数p=2 。 p AIC SC 1-8.8601-8.4056237.9328 2-9.3218-8.5187254.0448 3-9.1599-8.0017254.4179 4-9.1226-7.6022257.9417var模型johansen协整检验在eviews中具体操作步骤及结果解释第17页18 案例2 序列y1、y2和y3分别表示我国1952年至1988年工业部门、交通运输部门和商业部门产出指数序列，数据在D11.1中。试确定VAR模型滞后阶数p。 设 Ly1=log（y1）； Ly2=l

15、og（y2）； Ly3=log（y3）。 用AIC 和 SC准则判断，得表11.3。var模型johansen协整检验在eviews中具体操作步骤及结果解释第18页19 表11.3 AIC与SC随P改变 由表11.3知,在P=1时，SC 最小（-4.8474），在P=3时,AIC 最小（-5.8804），相互矛盾不能确定P值，只能用似然比LR确定P值。 P AIC SC 1-5.3753-4.8474108.7551 2-5.6603-4.7271120.0551 3-5.8804-4.5337129.9676 4-5.6693-3.9007132.5442var模型johansen协整检验在

16、eviews中具体操作步骤及结果解释第19页20 检验原假设是模型滞后阶数为1，即P=1，似然比检验统计量LR ：其中，Lnl(1)和Lnl(3)分别为P=1和P=3时VAR(P)模型对数似然函数值。在零假设下，该统计量服从渐进 分布，其自由度f为从VAR(3)到VAR(1)对模型参数施加零约束个数。对本例： f=VAR(3) 预计参数个数-VAR(1)预计参数个数 。var模型johansen协整检验在eviews中具体操作步骤及结果解释第20页21 利用Genr命令可算得用于检验原假设是否成立伴随概率 P： p=1-cchisq(42.4250,18) =0.000964 故 P=0.00

17、09642时，最好用Jonhamson协整检验方法。var模型johansen协整检验在eviews中具体操作步骤及结果解释第23页24 约翰森协整检验在理论上是很完善，但有时检验结果经济意义解释存在问题。如当约翰森协整检验结果有多个协整向量时，终究哪个是该经济系统真实协整关系？假如以最大特征值所对应协整向量作为该经济系统协整关系，这么处理理由是什么？而其它几个协整向量又怎样给予经济解释？由此可见这种方法尚需完善，普通取第一个协整向量为所研究经济系统协整向量。var模型johansen协整检验在eviews中具体操作步骤及结果解释第24页25 2.Johanson协整检验命令与假定 案例1 (

18、三) Johanson协整检验 下面用案例1说明Johanson协整检验详细方法。详细命令以下: 在工作文件窗口，在待检三个序列LGDP、LCT、LIT数据窗口工具栏，点击View/Cointegration Test，就会弹出如图11-3所表示约翰森协整检验窗口。 用户需做3种选择： 第一，协整方程和VAR设定： 协整检验窗口由四个别组成。左上部是供用户选择检验式基础形式，即Johanson检验五个假设。var模型johansen协整检验在eviews中具体操作步骤及结果解释第25页26 图11-3 约翰森协整检验窗口var模型johansen协整检验在eviews中具体操作步骤及结果解释第

19、26页27 协整方程结构假设：与时序方程可能含有截距和趋势项类似，协整方程也可含有截距和趋势项。协整方程可有以下5种结构： 序列 Yt 无确定性趋势且协整方程无截距； 序列 Yt 无确定性趋势且协整方程只有截距; 序列 Yt 有线性趋势但协整方程只有截距; 序列Yt 有线性趋势但协整方程有截距和趋势; 序列 Yt 有二次趋势但协整方程有截距和线性趋势。 对于上述5种假设，EViews采取Johanson(1995)提出关于系数矩阵协整似然比（LR）检验法。var模型johansen协整检验在eviews中具体操作步骤及结果解释第27页28除此之外，用户也可经过选择第六个选项由程序对以上五种假设

20、进行检验，此时EViews输出结果是简明扼要，详细结果只有在详细确定某个假设时才会给出。 本例采取缺省第三个假设，即序列 Yt 有线性确定性趋势且协整方程（CE）仅有截距。 第二，给出VAR模型中外生变量。左下部第一个白色矩形区需用户输入VAR系统中外生变量名称（没有不填），不包含常数和趋势。本例无外生变量,故不填。var模型johansen协整检验在eviews中具体操作步骤及结果解释第28页29 第三，左下部第二个白色矩形区给出内生变量滞后阶数，用户输入滞后阶数p-1。并采取起、止滞后阶数配对输入法。如输入1 2，意味着式(11.1)等号右边包含应变量1至2阶滞后项。因为此案例VAR模型最

21、大滞后阶数p=2。所以，这里输入1 1。对话框右侧是一些提醒性信息，不选。定义完成之后。 点击OK。输出结果见表11.4、表11.5和表11.6。 var模型johansen协整检验在eviews中具体操作步骤及结果解释第29页30 表11.4 Johanson 协整检验结果var模型johansen协整检验在eviews中具体操作步骤及结果解释第30页31 在表11.4中共有5列，第1列是特征值 , 第2列是似然比检验值，以后两列分别是5%与1%水平临界值。最终一列是对原假设检验结果，依次列出了3个检验原假设结果，并对能拒绝原假设检验用“*”号表示， “*”号表示置信水平为95%，“*”号为

22、99%。 本案例协整检验结果： 第1行LR=59.069535.65，即在99%置信水平上拒绝了原假设（即拒绝了不存在协整关系假设），亦即三变量存在协整方程；var模型johansen协整检验在eviews中具体操作步骤及结果解释第31页32 第2行 LR=23.514720.04,即在99%置信水平上拒绝了原假设(最多存在1个协整关系) ； 第3行 LR=4.73673.76，即在95%置信水平上拒绝了原假设(最多存在2个协整关系)。 表下面是在5%显著性水平上存在3个协整关系结论。 表11.5 未标准化协整系数var模型johansen协整检验在eviews中具体操作步骤及结果解释第32页

23、33 表11.5 给出是未经标准化协整系数预计值。表11.6给出是经标准化协整系数预计值，而且将3个协整关系协整系数都列了出来。因为普通关心是被似然比确定第1个协整关系，故程序将其单独列了出来，其它两个协整关系在另表列出。 但须注意：第一个协整关系对应着VAR第一个方程，故可依据需要调整方程次序，使希望应变量系数为1。表中系数预计值下面括号内数字是标准差。最下面一行是对数似然函数值。var模型johansen协整检验在eviews中具体操作步骤及结果解释第33页34 表11.6 标准化协整系数 将第一个协整关系写成代数表示式： =LGDP-1.0127LCT-0.0629LIT+0.1791写

24、成协整向量： var模型johansen协整检验在eviews中具体操作步骤及结果解释第34页35 3.协整关系验证 在确定了变量间协整关系之后，有两种方法可验证协整关系正确性。 （1）单位根检验。对序列e1进行单位根（EG、AEG）检验，也可画vecm时序图验证协整关系正确性。 （2）AR 根图表验证。利用EViews5.0软件，在VAR模型窗口工具栏点击View进入VAR模型视图窗口，选Lag Structure/AR Roots Table或AR Roots Graph。var模型johansen协整检验在eviews中具体操作步骤及结果解释第35页36方法（1）读者已熟悉，本例用方法（

25、2）验证。 关于AR 特征方程特征根倒数绝对值（参考Lutppohl 1991）小于1，即位于单位圆内，则模型是稳定。不然模型不稳定，一些结果（如脉冲响应函数标准误差）不是有效。共有PN个AR 根，其中，P为VAR模型滞后阶数， N为t期内生变量个数 。对本案例有6个 AR单位根， 列于表11.7和单位根倒数分布图示于图11-4 。在表11.7中，第1列是特征根倒数，第2列是特征根倒数模。var模型johansen协整检验在eviews中具体操作步骤及结果解释第36页37表11.7 AR单位根 由表11.7知，有一个单位根倒数模大于1，且在表下边给出了警告 。var模型johansen协整检验

26、在eviews中具体操作步骤及结果解释第37页38 图11-4 单位根分布图 图形表示更为直观，有一个单位根倒数模落在了单位圆之外，所以，所建VAR(2) 模型是不稳定，将影响响应冲击函数标准差。 var模型johansen协整检验在eviews中具体操作步骤及结果解释第38页39 四、格兰杰因果关系 1.格兰杰因果性定义 克莱夫.格兰杰（Clive.Granger,1969）和西姆斯（C.A.Sims,1972）分别提出了含义相同定义，故除使用“格兰杰非因果性”概念外，也使用“格兰杰因果性”概念。其定义为： 假如由 和 滞后值决定 条件分布与仅由 滞后值所决定 条件分布相同，即： （11.3

27、）则称 对 存在格兰杰非因果性。 var模型johansen协整检验在eviews中具体操作步骤及结果解释第39页40 格兰杰非因果性另一个表述为其它条件不变，若加上 滞后变量后对 预测精度无显著性改进，则称 对 存在格兰杰非因果性关系。 为简便，通常把 对 存在格兰杰非因果性关系表述为 对 存在格兰杰非因果关系（严格讲，这种表述是不正确）。 顾名思义，格兰杰非因果性关系，也能够用“格兰杰因果性”概念。 2.格兰杰因果性检验 与 间格兰杰因果关系回归检验式为var模型johansen协整检验在eviews中具体操作步骤及结果解释第40页41 （11.4） 如有必要，可在上式中加入位移项、趋势项

28、、季节虚拟变量等。检验 对 存在格兰杰非因果性零假设是： 显然，假如（11.4）式中 滞后变量回归系数预计值都不显著，则 H0 不能被拒绝，即 对 不存在格兰杰因果性。反之，假如 任何一个滞后变量回归系数预计值是显着，则 对 存在格兰杰因果关系。var模型johansen协整检验在eviews中具体操作步骤及结果解释第41页42类似，可检验 对 是否存在格兰杰因果关系。 上述检验可构建F统计量来完成。 当 时，接收H0， 对 不存在格兰杰因果关系； 当 时，拒绝H0， 对 存在格兰杰因果关系。 实际中，使用概率判断。 注意： （1）由式（11.4）知,格兰杰因果关系检验式,是回归式，所以，要求

29、受检变量是平稳，对非平稳变量要求是协整，以防止伪回归。故在进行格兰杰因果关系检验之前，要进行单位根检验、对非平稳变量要进行协整检验。var模型johansen协整检验在eviews中具体操作步骤及结果解释第42页43 （2）格兰杰因果性，指是双向因果关系，即相关关系。单向因果关系是指因果关系，多年有学者认为单向因果关系变量也可作为内生变量加入VAR模型； （3）此检验结果与滞后期p关系敏感且两回归检验式滞后阶数相同。 （4）格兰杰因果性检验原假设为：宇宙集、平稳变量（对非平稳变量要求是协整）、大样本和必须考虑滞后。 （5）格兰杰因果关系检验，除用于选择建立VAR模型应变量外，也单独用于研究经济

30、变量间相关或因果关系（回归解释变量选择）以及研究政策时滞等。 var模型johansen协整检验在eviews中具体操作步骤及结果解释第43页44 格兰杰因果性检验EViews命令： 在工作文件窗口，选中全部欲检序列名后，选择Quicp/Group Statistics/Granger Causality Test，在弹出序列名窗口，点击OK即可。 案例1 (四)格兰杰因果性检验 前面已完成工作是对三个对数序列进行了平稳性检验、确定了VAR 模型滞后阶数p，进行Johanson协整检验。 因为LGDPt、 LCt和Lit间存在协整 关系，故可对它们进行格兰杰因果性检验，检验结果示于表11.8。

31、var模型johansen协整检验在eviews中具体操作步骤及结果解释第44页45 表11.8 格兰杰因果性检验结果 由表11.8知，LGDPt、LCt 和LIt之间存在格兰杰因果性，故LGDPt、LCt和LIt均可做为VAR模型应变量。var模型johansen协整检验在eviews中具体操作步骤及结果解释第45页46 五、建立VAR模型 案例1 (五)建立VAR模型 以案例1为例，说明建立VAR模型方法。在工作文件窗口，在主菜单栏选Quicp/Estimate VAR，OK，弹出VAR定义窗口，见图11-5。 图11-5 VAR模型定义窗口var模型johansen协整检验在eviews

32、中具体操作步骤及结果解释第46页47 在VAR模型定义窗口中填毕（选择包含截距）相关内容后，点击OK。输出结果包含三个别，分别示于表11.9、表11.10和表11.11。 表11.9 VAR模型参数预计结果var模型johansen协整检验在eviews中具体操作步骤及结果解释第47页48var模型johansen协整检验在eviews中具体操作步骤及结果解释第48页49表11. 10 VAR模型各方程检验结果表11.11 VAR模型整体检验结果var模型johansen协整检验在eviews中具体操作步骤及结果解释第49页50 将表11. 9VAR(2)模型改写成矩阵形式:var模型joha

33、nsen协整检验在eviews中具体操作步骤及结果解释第50页51 表11.9 中列表示方程参数预计结果和参数标准差t检验值。能够发觉许多t检验值不显著，普通不进行剔除，VAR 理论不看重个别检验结果，而是重视模型整体效果，不分析各子方程意义。 表11.10 每一列表示各子方程检验结果。 表11.11是对VAR模型整体效果检验。其中包含残差协方差、对数似然函数和AIC 与 SC。 建立了VAR模型之后，在模型窗口工具栏点击Name，将VAR模型保留，方便进行脉冲响应等特殊分析。 注意：平稳变量建立VAR模型是平稳，而建立平稳VAR模型变量不一定是平稳变量。var模型johansen协整检验在e

34、views中具体操作步骤及结果解释第51页52 六、利用VAR(P)模型进行预测 VAR模型是非结构模型，故不能用模型进行结构分析。预测是VAR模型应用之一，因为咱们所建立VAR(2)模型经过了全部检验。故可用其进行预测。 若利用案例一建立VAR（2）模型进行预测，首先要扩充工作文件范围和样本区间，然后在模型窗口中选择Procs/Mape Model，屏幕出现模型定义窗口，将其命名为MODEL01，如图11-6。 var模型johansen协整检验在eviews中具体操作步骤及结果解释第52页53模型定义窗口中位于线性模型窗口第一行: assignall f表示将VAR模型中各内生变量预测值存

35、入以原序列名加后缀字符“f”生成新序列（这里演示是拟合）。 案例1 (六)预测 在工具栏中点击Solve，则线性模型出现在图11-6中，模型预测窗口示于图11-7。var模型johansen协整检验在eviews中具体操作步骤及结果解释第53页54 图11-6 线性模型窗口var模型johansen协整检验在eviews中具体操作步骤及结果解释第54页55 图11-7 模型预测窗口var模型johansen协整检验在eviews中具体操作步骤及结果解释第55页56 图11-8和图11-9分别是利用动态和静态方法计算出样本期内实际值与拟合值比较。 由图看出，动态拟合结果只能反应序列改变趋势，而无

36、法对短期波动进行刻画。所以，VAR模型适合用于短期预测，预测精度高和长久规划预测。 图11-8 动态拟合结果图11-9静态拟合结果var模型johansen协整检验在eviews中具体操作步骤及结果解释第56页57 七、脉冲响应函数与方差分解 对于政策时滞实证研究主要有以下4种方法： （1）对时序变量数据或图、表进行直观分析，方法简单，但主观性强，精 度低； （2）时序时差相关系数法，只能给出滞后期，不能给出连续时间、影响程度和相互作用。 （3）脉冲响应函数（冲击）法； （4）方差分解法。 后两种方法是当前国外常见方法，多年我国学者开始采取进行政策时滞分析。这里重点介绍后两种方法。var模型j

37、ohansen协整检验在eviews中具体操作步骤及结果解释第57页58 时差相关系数(Cross Correlation)分析法是利用相关系数检验经济时序变量间滞后关系一个常见方法。对两个时序变量，选择一个作为基准变量，计算与另一变量在时间上错开(滞后)时相关系数。以相关系数大小判断两变量间时差(仅能判断时差)关系。 两时序变量间时差相关系数 为:1.时差相关系数(11.5)var模型johansen协整检验在eviews中具体操作步骤及结果解释第58页59式中， 为两时序变量xt、yt 在时差（滞后期）为p时相关系数。 由（11.5）式知， yt 为基准变量（即t为基） 为xt滞后p期序列

38、均值； 为yt均值； n为样本容量； p为滞后期（时差），取值为整数。若取正整数，则表示xt滞后于yt；若取负整数，则表示xt超前于yt；若取零，则表示两变量一致。var模型johansen协整检验在eviews中具体操作步骤及结果解释第59页60 此法计算简单，轻易了解。实际计算时，通常计算基准变量（如GDP、物价水平等）增加率与政策变量增加率间时差相关系数。但反应是政策变量改变后引发基准变量改变相关性，不能给出连续时间、影响程度和改变方向。严格讲时差相关系数法给出时滞仅是从政策改变到对经济系统产生影响时间间隔。因为多数时序变量含有时间趋势，可能有伪相关，使计算结果传递错误信息，所以，通常进

39、行平稳化处理。即对数化,差分,增加率。（最好对变量进行平稳性检验）。 var模型johansen协整检验在eviews中具体操作步骤及结果解释第60页61 EViews命令为：在主窗口点击： Quicp / Group Statistics / Corss Correogram =序列名窗口，键入二序列名（只允许键入两个变量），OK。 在弹出滞后窗口，默认12，OK。 给出二时序变量相关系数。然后进行比较，其中| |最大者对应时差就是二序列间时滞。 var模型johansen协整检验在eviews中具体操作步骤及结果解释第61页62 这里介绍脉冲响应函数和下面将要介绍方差分解法，较时差相关系数

40、法含有两个突出优点： 第一,可将所考虑全部变量纳入一个系统，反应系统内全部变量间相互影响，给出是系统内全部信息相互作用结果。而时差相关系数法只能考虑两个变量。 第二,不但能给出政策效果时滞，时滞区间，而且能给出影响程度与方向，结果准确。而时差相关系数法只能给出时滞。 （1）脉冲响应函数。对VAR模型而言，单个参数预计值经济解释是困难，其应用除预测外，最主要应用是脉冲响应分析和方差分解。脉冲响应函数描述 2.脉冲响应函数var模型johansen协整检验在eviews中具体操作步骤及结果解释第62页63是一个内生变量对残差（ 称为 Innovation）冲击反应(响应)。详细而言，它描述是在随机

41、误差项上施加一个标准差大小冲击（来自系统内部或外部）后对内生变量当期值和未来值所产生影响（动态影响）。这种分析方法称为脉冲响应函数（IRF:impulse-response function）。 为浅显说明脉冲响应基础原理，说明残差是怎样将冲击（对新息是冲击，对内生变量是对冲击响应）传递给内生变量。以含两个内生变量VAR（2）模型为例给予说明。设两变量VAR（2）模型：var模型johansen协整检验在eviews中具体操作步骤及结果解释第63页64式中， M为货币供给量。 （11.6） 若系统受某种扰动，使 发生1个标准差改变（冲击），不但使 马上发生改变（响应），而且还会经过 ， 影响

42、取值,且会影响其后GDP和M取值（滞后响应）。脉冲响应函数描述了系统内变量间这种相互冲击与响应轨迹，显示了任一扰动怎样经过模型（市场），冲击其它全部变量链式反应全过程。同理， 也会引发类似地冲击链式反应。var模型johansen协整检验在eviews中具体操作步骤及结果解释第64页65 下面经过式（11.6）详细说明新息是怎样传递给内生变量。 为简便起见，假定系统从0期开始运行，则 给定新息（扰动） ，且其后均为0，即 ，称此为0期扰动，对冲击，亦即 与 响应。 当 t=0时： ；将其代入(11.6)。 当 t=1时： ；将其代入(11.6)。 当 t=2时： ；将其代入(11.6)。var

43、模型johansen协整检验在eviews中具体操作步骤及结果解释第65页66以这类推，设求得响应结果为 ，称为由GDP冲击引发GDP响应函数。一样有 ，称为由GDP冲击引发M响应函数。 同理，将第0期脉冲改为 ，即可求出M冲击引发GDP与M响应函数。显然以上脉冲响应函数显著地捕捉到了冲击效果。 上述冲击思想能够推广到含N个内生变量VAR(p)模型。var模型johansen协整检验在eviews中具体操作步骤及结果解释第66页67 对脉冲响应函数处理困难在于各残差间不是完全非相关。当残差间相关时，它们共同个别不易识别，处理这一问题不严格做法是将共同个别归于VAR系统第1个方程扰动项。 对有3

44、个内生变量VAR模型每个内生变量都对应着3个脉冲响应函数，故一个含3个内生变量VAR将有9个脉冲响应函数。var模型johansen协整检验在eviews中具体操作步骤及结果解释第67页68 (2) EViews3.1脉冲响应命令 案例1 (七)脉冲响应 在VAR模型窗口工具栏点击Impulse就会弹出脉冲响应对话窗口，见图11-10 。 图11-10 脉冲响应对话窗口var模型johansen协整检验在eviews中具体操作步骤及结果解释第68页69 图11-10中左侧有4个空白区需要填写，依次填写冲击变量（应变量）名；欲计算响应函数变量名；响应变量出现次序。前两处输入变量不一样只会改变显示

45、结果次序，不会对结果产生影响，而第3个空白区变量次序不一样，将对结果产生影响。最下部用户填响应函数追踪期数，缺省是10。 对话框右側由两个别组成。右上方是结果显示方式：var模型johansen协整检验在eviews中具体操作步骤及结果解释第69页70表：表示响应函数系数值（括号内是标准差）；绘制每个脉冲响应函数图；合成图，未来自同一新息脉冲响应函数图合并显示。右下方是关于计算脉冲响应函数标准误选项，包含不计算（None）、渐近解析法（Analytic）和蒙特卡洛法（Mote Carlo）。定义完成点击OK 。图11-11是按图11-10输入结果绘制脉冲响应函数合成图。var模型johanse

46、n协整检验在eviews中具体操作步骤及结果解释第70页71图11-11 脉冲响应函数合成图var模型johansen协整检验在eviews中具体操作步骤及结果解释第71页72 图11-11左上图是LGDP、LCT 和 LIT分别对LGDP一个标准差冲击响应。 右上图是LGDP、LCT 和 LIT分别对LCT一个标准差冲击响应。 下列图是LGDP、LCT 和 LIT分别对LIT一个标准差冲击响应。 图11-11看出，滞后期为5期，稳定时为7期。var模型johansen协整检验在eviews中具体操作步骤及结果解释第72页73 3.方差分解 VAR模型应用，还能够采取方差分解方法研究模型动态特

47、征。脉冲响应函数描述是VAR模型中每一个内生变量冲击对本身与其它内生变量带来影响，或脉冲响应函数是伴随时间推移，观察模型中各变量对于冲击响应。而方差分解(variance decomposition)是深入评价各内生变量对预测方差贡献度。Sims于1980年提出了方差分解方法，定量地不过较为粗糙地计量了变量间影响关系。方差分解是分析预测残差标准差由不一样新息冲击影响百分比，亦即对应内生变量对标准差贡献百分比。 对所建立VAR(2)模型进行方差分解分析。var模型johansen协整检验在eviews中具体操作步骤及结果解释第73页74 案例1 (八)方差分解 本案例，对VAR模型方程次序不变。

48、对话框中Periods后输入数值代表预测期，本例取15。其它项目意义如前所述。表11.12和图11-13分别是对内生变量LCT进行方差分解表格和合成图输出结果。 Eviews中方差分解操作使用脉冲响应函数定义对话框，如图11-10，在右边选择方差分解（Variance decomposition）。对话框左上个别Innovations to处能够不填，因为方差分解必定包括模型全部信息。若仅对序列LCT进行方差分解，则在对话框左边cause Responses by处输入LCT序列名，方差分解定义对话框示于图11-12。var模型johansen协整检验在eviews中具体操作步骤及结果解释第7

49、4页75图11-12 方差分解定义对话框var模型johansen协整检验在eviews中具体操作步骤及结果解释第75页76表11.12 LCT方差分解图11-13 LCT方差分解合成图var模型johansen协整检验在eviews中具体操作步骤及结果解释第76页77 表11.12包含5列。第一列是预测期，第二列是变量LCT各期预测值标准差（S.E），后三列均是百分数，分别是以LGDP、LCT和LIT为应变量方程新息对LCT各期预测标准差贡献度，每行结果相加是100。 由表11.12 和图11-13 知，S.E.一列数字表示预测 1期、2期、15期时,LCT预测标准差。LnGDP、LnCT和

50、LnIT对应数字列依次表示对应预测期时3个误差项变动对LCT预测标准差贡献百分比。以t = 3为例，LCT预测标准差等于0.118950。其中20.73%由LGDP残差var模型johansen协整检验在eviews中具体操作步骤及结果解释第77页78冲击所致,75.59%由LCT残差冲击所致,3.68%由LIT残差冲击所致。加起来为100%。自第7期开始，方差分解结果基础稳定，这与响应冲击结果相一致。来自第2个方程（本身）新息占LCT预测标准误69%，本身影响最主要。另外，第3个方程新息对于内生变量LCT也较主要，对其预测误差贡献度达23%。 注意：用于脉冲响应和方差分解VAR 模型，最好使

51、用季度或月度数据； var模型johansen协整检验在eviews中具体操作步骤及结果解释第78页79 八、向量误差修正模型 第九章介绍误差修正模型是单方程ECM，本节将其推广到一个VAR系统。 Engle和Granger将协整与误差修正模型结合起来，建立了向量误差修正(Vector Error Correction)模型。在第十章已知：只要变量之间存在协整关系，能够由ADL模型推导出ECM。而在VAR模型中每个方程都是一个ADL模型，所以，能够认为VEC模型是含有协整约束VAR模型，应用于含有协整关系非平稳时序建模。 1.VECM及协整特征 若VAR模型中非平稳变量是协整，则var模型jo

52、hansen协整检验在eviews中具体操作步骤及结果解释第79页80可在VAR模型基础上建立VEC模型。为此，重写VAR(p)模型（11.1）： 不失普通性，设 ，假如某个变量单整阶数高于1阶，可经过差分先将其变换为1阶单整变量。为简单暂设式（11.1）中不含有常数向量，其后这一限制将被取消。 对式（11.1）进行协整变换：两侧同减 得：对上式右侧同时加减 得：var模型johansen协整检验在eviews中具体操作步骤及结果解释第80页81再在上式右侧同时加减 得：再在上式右侧同时加减 得：设var模型johansen协整检验在eviews中具体操作步骤及结果解释第81页82则得VECM

53、： （11.7）式中，为修正矩阵（或影响矩阵、协整矩阵）； 为修正项矩阵。VECM中参数i和全为多项式矩阵。 因为已假定 ，所以 。由此可知式（11.7）中除了 之外，全部项都是平稳。假如 是非平稳，则 各分量之间不存在协整关系。假如 是平稳，则Yt各分量之间存在协整关系。可见修正矩阵决定式(11.7)中变量是否存在协整关系。 var模型johansen协整检验在eviews中具体操作步骤及结果解释第82页83 因VECM是在VAR模型基础上建立起来,故是平稳. 案例1 (九)建立VEC 模型 因为VEC模型仅适合用于协整序列，所以应先运行Johansen协整检验。 建立VEC 模型 EVie

54、ws命令 在工作文件窗口主工具栏，点击Quicp/Estimate VAR，弹出VAR定义窗口，选择Vector Error Correction，出现如图11-14EVC模型定义对话框。var模型johansen协整检验在eviews中具体操作步骤及结果解释第83页84图11-14 EVC模型定义对话框var模型johansen协整检验在eviews中具体操作步骤及结果解释第84页85 图11-14左侧，只是要求用户在配对区间指定滞后期。必须注意，这里滞后期与协整检验一样，都是指差分变量滞后期。所以，对无約束VAR 模型p=2,此处应填1 1。对话框右侧两白色区域分别输入模型内生变量和外生变

55、量名称（不包含常数项和趋势项）。右侧中间个别是要求用户选择模型基础假设，这与协整检验内容相同，本例用缺省假设3，即序列有线性趋势且协整方程仅有截距形式。依据协整检验结果，在右下角空白处填写协整方程数目，虽有3个协整向量，但选第1个，故填1。单击OK 完成。var模型johansen协整检验在eviews中具体操作步骤及结果解释第85页86 VECM表格输出结果由4个别组成。第1个别是协整方程系数预计值，只是变量名都是一阶滞后，这与VECM中误差修正项较应变量滞后一期一致。其表格输出示于表11.13。 表11.13 协整方程预计值第2个别是VECM参数预计结果，表格输出见表11.14。var模型

56、johansen协整检验在eviews中具体操作步骤及结果解释第86页87 表11.14 VEC模型参数预计值var模型johansen协整检验在eviews中具体操作步骤及结果解释第87页88 表11.14中CointEq1对应数值是误差修正项系数预计值。同时，EViews还在各系数预计值下面给出了标准差和t检验值。输出窗口最终两个别分别是对单个方程及VECM整体检验结果。见表11.15。 表11.15中，上表后3列分别是3个方程检验结果；下表是VECM整体检验结果，通常大家更关心模型整体检验结果。AIC=-604545，SC=-5.7662，都较小，说明模型是好。 VEC模型应用仿ECM。

57、var模型johansen协整检验在eviews中具体操作步骤及结果解释第88页89 表11.15单个方程及VEC模型整体检验结果var模型johansen协整检验在eviews中具体操作步骤及结果解释第89页90 建立VARM步骤： （1）对变量进行变换； （2）对变量进行平稳性检验； （3）确定滞后阶数p； （4）对变量进行Jonhamson协整性检验； （5）对变量进行格兰因因果关系检验； （6）用极大似然预计法预计参数； （7）应用。var模型johansen协整检验在eviews中具体操作步骤及结果解释第90页91 第十一章习题 一、简答题 1. VAR模型有哪些特点？ 2. 建立VAR模型步骤。 3.确定VAR模型阶数有哪些方法？ 4. VAR模型有哪些应用？ 5.进行格兰杰因果性检验条件有哪些? var模型johansen协整检验在eviews中具体操作步骤及结果解释第91页92 二、填空题 1.已知VAR模型N=4，p=3。则待估参数有 个。 2.建立VAR模型两项主要工作是和 。 3.确定VAR模型中滞后阶数p方法有和 。 4.平稳变量建立VAR模型是平稳，