2025年大学《统计学》专业题库- 向量自回归模型与时间序列预测

2025年大学《统计学》专业题库——向量自回归模型与时间序列预测考试时间：______分钟总分：______分姓名：______一、选择题（每小题2分，共10分）1.向量自回归（VAR）模型主要用于分析多个非平稳时间序列之间的：A.静态关系B.长期均衡关系C.动态关系D.确定性关系2.在VAR模型估计中，通常采用的最小二乘法（OLS）估计量具有优良的小样本性质，但可能存在的问题是：A.估计量有偏B.估计量不一致C.无法进行估计D.对误差项的分布假设不敏感3.对于包含k个变量的p阶VAR模型（k>1），需要进行协整检验的原因是：A.消除多重共线性B.处理非平稳变量间的长期关系C.降低模型的阶数D.增加模型的解释力4.脉冲响应函数（IRF）主要用于衡量：A.模型参数的估计误差B.模型残差的自相关性C.一个变量对误差项冲击的反应动态D.不同变量之间的长期协整关系5.在选择VAR模型的滞后阶数时，常用的信息准则包括：A.标准差B.R平方C.AIC、BICD.方差分解系数二、填空题（每空2分，共20分）6.VAR模型通过引入变量间的______来克服结构模型中参数识别的困难。7.进行VAR模型估计前，通常需要先检验各内生变量序列是否具有______。8.如果k个非平稳变量之间存在协整关系，则应选择______模型进行分析。9.脉冲响应函数描述了模型中一个变量的误差项冲击对______变量未来路径的影响。10.方差分解分析旨在识别在解释______变量的方差时，每个变量贡献的程度。三、简答题（每题5分，共15分）11.简述VAR模型的基本原理及其主要优点。12.简要说明在VAR模型中，为什么通常需要先进行单位根检验和协整检验。13.简述脉冲响应函数和方差分解分析在VAR模型解释中的主要区别。四、计算题（每题10分，共20分）14.假设一个包含两个变量（Y1t,Y2t）的1阶VAR模型估计结果如下（简化形式）：Y1t=0.8Y1(t-1)+0.5Y2(t-1)+ε1tY2t=0.6Y1(t-1)+0.9Y2(t-1)+ε2t其中，ε1t和ε2t是白噪声误差项。请计算Y1t对Y1t(-1)的脉冲响应（仅计算t=1和t=2期的响应）。15.设一个2变量的3阶VAR(3)模型通过了协整检验，即存在一个长期均衡关系。请简述如何构建相应的结构向量自回归（SVAR）模型，并说明在构建SVAR模型时需要克服的主要挑战。五、论述题（10分）16.讨论VAR模型在实际经济或金融预测中的应用价值及其主要局限性。试卷答案一、选择题（每小题2分，共10分）1.C2.B3.B4.C5.C二、填空题（每空2分，共20分）6.误差项冲击7.平稳性（或单位根）8.向量误差修正（VECM）9.所有（或各个）10.一个（或目标）三、简答题（每题5分，共15分）11.原理：VAR模型将每个内生变量对滞后变量的回归系数表示为其他所有内生变量滞后值的函数，通过联立方程组的形式来分析多个时间序列变量之间的动态相互影响。优点：模型框架简洁，不预设变量间的具体结构关系，易于估计和解释变量间的动态响应（IRF），可处理多个非平稳变量。12.理由：VAR模型包含多个非平稳变量（通常基于单位根检验判断），如果直接估计，模型可能产生伪回归，导致估计结果不可靠。协整检验用于判断非平稳变量之间是否存在长期的稳定关系（协整关系），如果存在，则应选择能够反映这种长期关系的VECM模型；如果不存在，则VAR模型是合适的。进行这些检验是为了保证模型估计的有效性和推断的可靠性。13.区别：脉冲响应函数（IRF）衡量的是一个变量的误差冲击对其他变量未来路径的动态影响程度和方向，关注的是冲击的传导路径和时滞；方差分解分析则将目标变量的总方差分解为模型中每个变量（包括其自身滞后和误差冲击）预测该方差所贡献的比例，关注的是每个因素对目标变量变动的解释力。IRF看冲击效应，方差分解看贡献度。14.解析思路：*目标：计算Y1t对Y1t(-1)的脉冲响应，即Y1t的响应取决于ε1t(-1)的冲击。*模型：Y1t=0.8Y1(t-1)+0.5Y2(t-1)+ε1t。*t=1期响应：将Y1(t-1)替换为对ε1t(-1)的响应，即Y1(t-1)=0。此时，Y1t=0.5Y2(t-1)+ε1t。由于Y2(t-1)也受到ε1t(-1)的冲击（通过其自身的方程），我们需要先找到Y2(t-1)对ε1t(-1)的响应。Y2t=0.6Y1(t-1)+0.9Y2(t-1)+ε2t。令t=1，Y1(0)=0，得到Y2(1)=0.9Y2(0)+ε2(1)。这里没有直接涉及ε1t(-1)，但题目要求的是Y1t对Y1(t-1)的响应，而Y1(t-1)受ε1(t-2)影响。为简化，通常直接根据给定方程计算一步响应。根据题设直接计算Y1t对ε1t(-1)的直接影响（忽略Y2对ε1的传导，按最直接路径）：Y1t=0.5*Y2(t-1)+ε1t。假设Y2(t-1)也由ε1(t-2)直接冲击（虽然题目未明说，但这是脉冲响应计算的常见简化处理或需要题目明确Y2的响应路径），则Y2(t-1)受ε1(t-2)的影响可视为零（如果只看一步）。因此，Y1t对ε1(t-1)的一步响应为0.5*0=0。更准确的一步响应应考虑Y2(t-1)本身也受Y1(t-2)的影响，即Y2(t-1)=0.6Y1(t-2)+0.9Y2(t-2)+ε2(t-1)。代入Y1t方程：Y1t=0.8Y1(t-1)+0.5*[0.6Y1(t-2)+0.9Y2(t-2)+ε2(t-1)]+ε1t。对ε1(t-1)的响应，需要将Y1(t-2)和Y2(t-2)也视为受ε1(t-3)和ε2(t-2)影响。为简化计算，常使用软件进行迭代求解，或根据模型结构理解：对ε1(t-1)的冲击，主要通过Y2(t-1)传导给Y1(t)。Y2(t-1)受ε1(t-1)影响系数为0.5。因此，Y1(t)对ε1(t-1)的一步响应为0.5*0.5=0.25。二步响应需要考虑ε1(t-1)对Y2(t-2)的影响，再通过Y2(t-1)影响Y1(t)。Y2(t-2)受ε1(t-1)影响，系数为0。因此，二步响应为0。*计算结果：*Y1t对ε1t(-1)的一步响应为0.5*0=0。*Y1t对ε1t(-1)的二步响应为0.5*(0.6*0+0.9*0)=0.5*0=0。*结论：Y1t对Y1t(-1)的脉冲响应在t=1和t=2期均为0。（注：此计算基于对题目意图的特定解读和简化，实际应用需通过软件迭代求解IRF。）15.解析思路：*VECM模型构建：由于2变量的3阶VAR模型（k=2,p=3）通过了协整检验，表明存在一个长期均衡关系。这意味着虽然两个变量非平稳，但它们的线性组合是平稳的。VECM模型通过引入“误差修正项”（ErrorCorrectionTerm,ECT）来捕捉这种长期均衡关系。构建步骤：1.确定协整向量和协整关系：通过Johansen检验等确定协整向量的具体形式，例如β'=[1,-0.5]（假设）。这意味着长期均衡关系为Y1t-0.5Y2t=c+εct，其中εct是平稳的误差项。2.对原始变量进行差分：将非平稳变量差分以获得平稳性，得到ΔY1t和ΔY2t。3.构建VECM模型：将差分方程表示为包含短期动态、误差修正项以及差分误差项的模型。一般形式为：ΔY1t=α11ΔY1(t-1)+α12ΔY2(t-1)+γ1(Y1t-1-0.5Y2t-1)+ε1tΔY2t=α21ΔY1(t-1)+α22ΔY2(t-1)+γ2(Y1t-1-0.5Y2t-1)+ε2t其中，γ1(Y1t-1-0.5Y2t-1)和γ2(Y1t-1-0.5Y2t-1)是误差修正项，系数γ1和γ2反映了偏离长期均衡关系后，系统向均衡收敛的速度。ε1t和ε2t是白噪声差分误差项。*主要挑战：1）协整向量的估计和检验：需要准确识别协整向量的数量和具体形式，错误的估计会导致模型设定错误。2）变量选择和滞后阶数确定：需要选择合适的内生变量和滞后阶数。3）结构识别困难：虽然VAR是“结构”模型，但VAR模型本身不包含经济理论推导的结构关系，SVAR需要研究者根据经济理论对VAR模型中的系数施加结构约束（如对称性、零约束等）进行参数估计。如何施加有效的约束以准确反映经济理论是主要挑战，错误的约束会导致有偏估计。4）模型识别问题：如果变量过多或滞后阶数过高，可能无法施加足够的约束来识别模型参数。四、论述题（10分）16.应用价值：*体系分析：VAR模型能够同时考察多个经济或金融变量之间的动态相互影响，提供变量间关系的整体图景，这是单一方程模型难以做到的。*冲击评估：通过IRF，可以量化一个变量的冲击（如政策变动、外部冲击）对其他变量在不同时期的影响程度和路径，有助于政策效果评估和风险分析。*预测：VAR模型可用于预测多个变量的未来值，尤其适用于变量间存在复杂动态关系的情况。*数据需求：相对不需要严格的理论前提假设（如严格的结构函数），只要变量间存在动态关系，即可应用。价值体现：在宏观经济分析、货币政策评估、金融市场风险传染研究等领域广泛应用。主要局限性：*伪回归风险：未经协整检验直接估计VAR模型可能导致变量间存在伪回归关系，预测和推断无效。*难以处理长期关系：VAR模型主要捕捉短期动态关系，对变量间长期均衡关系的处理不如VECM或DAG模型精确。*