eviews11章var模型和vec模型(已修改)
2025-03-13 15:37 本頁面
【正文】 EViews統(tǒng)計分析基礎教程 第 11章 VAR模型和 VEC模型 重點內(nèi)容： ? 向量自回歸理論 ? VAR模型的建立 ? Johansen協(xié)整檢驗 ? VEC模型的建立 EViews統(tǒng)計分析基礎教程 一、向量自回歸（ VAR）模型 向量自回歸模型可以用來預測相關(guān)聯(lián)的經(jīng)濟時間序列系統(tǒng)，并分析隨機擾動對變量系統(tǒng)的動態(tài)沖擊，進一步解釋經(jīng)濟沖擊對經(jīng)濟變量所產(chǎn)生的影響。 滯后階數(shù)為 p的 VAR模型表達式為 yt=A1 yt1 +A2 yt2 +…+ Ap ytp+B xt + μt 其中， yt為 k維內(nèi)生變量向量； xt為 d維外生變量向量； μt是 k維誤差向量 A1， A2， … ， Ap， B是待估系數(shù)矩陣。 EViews統(tǒng)計分析基礎教程 一、向量自回歸（ VAR）模型 滯后階數(shù)為 p的 VAR模型表達式還可以表述為 即 上式稱為非限制性向量自回歸（ Unrestricted VAR）模型，是滯后算子 L的 k ╳ k 的參數(shù)矩陣。 當行列式 det[A(L)]的根都在單位圓外時，不含外生變量的非限制性向量自回歸模型才滿足平穩(wěn)性條件。 EViews統(tǒng)計分析基礎教程 一、向量自回歸（ VAR）模型 VAR模型（ SVAR） 結(jié)構(gòu) VAR是指在模型中加入了內(nèi)生變量的當期值，即解釋變量中含有當期變量，這是與 VAR模型的不同之處。 下面以兩變量 SVAR模型為例進行說明。 xt=b10 + b12zt +γ11xt1 +γ12 zt1 + μxt zt=b20 + b21xt +γ21xt1 +γ22 zt1 + μzt 這是滯后階數(shù) p=1的 SVAR模型。其中， xt和 zt均是平穩(wěn)隨機過程；隨機誤差項 μxt和 μzt是白噪聲序列，并且它們之間不相關(guān)。系數(shù) b12表示變量的 zt的變化對變量 xt的影響； γ21表示 xt1的變化對 zt的滯后影響。該模型同樣可以用如下向量形式表達，即 B0 yt=? 0 +? 1 yt1 + μt EViews統(tǒng)計分析基礎教程 一、向量自回歸（ VAR）模型 3. VAR模型的建立 選擇“ Quick” |“ Estimate VAR… ”選項，將會彈出下圖所示的對話框。 該對話框包括三個選項卡，分別是“ Basics”、“ Cointegration”和“ VEC Restrictions”， 后兩個選項卡在 VEC模型操 作中使用。系統(tǒng)默認是“ Basics” 選項卡。 。 EViews統(tǒng)計分析基礎教程 一、向量自回歸（ VAR）模型 3. VAR模型的建立 ?在“ VAR Type”中有兩個選項： ?“ Unrestricted VAR”建立的是無約束的向量自回歸模型，即 VAR模型的簡化式； ?“ Vector Error Correction”建立的是誤差修正模型。 ?“ Estimation Sample”的編輯框中輸入的是樣本區(qū)間，當工作文件建立好后，系統(tǒng)會自動給出樣本區(qū)間。 ?“ Endogenous Variables”中輸入的是內(nèi)生變量。 ?“ Exogenous Variables”中輸入的是外生變量，系統(tǒng)默認情況下將常數(shù)項 c作為外生變量。 ?“ Lag Interva
職業(yè)教育相關(guān)推薦
鄂ICP備17016276號-1