【正文】 成矩陣形式 :25 表 9 中列表示方程參數(shù)估計結(jié)果和參數(shù)的標準差 t檢驗值。 19 表 8 格蘭杰因果性檢驗結(jié)果 由表 8知， LGDPt、 LCt 和 LIt之間存在格蘭杰因果性，故 LGDPt、 LCt和 LIt均可做為 VAR模型的應變量。單向因果關(guān)系是指因果關(guān)系，近年有學者認為單向因果關(guān)系的變量也可作為內(nèi)生變量加入 VAR模型； （ 3）此檢驗結(jié)果與滯后期 p的關(guān)系敏感且兩回歸檢驗式滯后階數(shù)相同。 實際中，使用概率判斷。反之，如果 的任何一個滯后變量回歸系數(shù)的估計值是顯著的，則 對 存在格蘭杰因果關(guān)系。 為簡便，通常把 對 存在格蘭杰非因果性關(guān)系表述為 對 存在格蘭杰非因果關(guān)系（嚴格講，這種表述是不正確的）。 用對數(shù)似然比統(tǒng)計量 LR確定 P的方法用案例說明。而對月度數(shù)據(jù)，一般比較到 P=12。這里介紹兩種常用的確定 p值的方法。 首先介紹確定 VAR模型最大滯后階數(shù) p的方法： 在 VAR模型中解釋變量的最大滯后階數(shù) p太小，殘差可能存在自相關(guān)，并導致參數(shù)估計的非一致性。如 VAR模型含 3個變量（ N=3）， 最大滯后期為 p=2， 則有 =232=18 個參數(shù)需要估計； （ 5）當樣本容量較小時，多數(shù)參數(shù)估計的精度較差，故需大樣本，一般 n50。 有取代結(jié)構(gòu)聯(lián)立方程組模型的趨勢。故稱 VAR模型是分析聯(lián)合內(nèi)生變量間的動態(tài)關(guān)系的動態(tài)模型，而不帶有任何約束條件，故又稱為無約束 VAR模型。7 由于僅有內(nèi)生變量的滯后變量出現(xiàn)在等式的右側(cè)，故不存在同期相關(guān)問題，用 “LS”法估計參數(shù)，估計量具有一致和有效性。 由式（ ）知， VAR(p)模型，是以 N個第 t期變量 為應變量，以 N個應變量的最大 p階滯后變量為解釋變量的方程組模型，方程組模型中共有 N個方程。 VAR模型主要用于預測和分析隨機擾動對系統(tǒng)的動態(tài)沖擊，沖擊的大小、正負及持續(xù)的時間。為解決這些問題而提出了一種用非結(jié)構(gòu)性方法建立各變量之間關(guān)系的模型。 聯(lián)立方程組模型的主要問題： （ 1）這種模型是在經(jīng)濟理論指導下建立起來的結(jié)構(gòu)模型。聯(lián)立方程組模型在 20世紀五、六十年代曾轟動一時，其優(yōu)點主要在于對每個方程的殘差和解釋變量的有關(guān)問題給予了充分考慮，提出了工具變量法、兩階段最小二乘法、三階段最小二乘法、有限信息極大似然法和完全信息極大似然法等參數(shù)的估計方法。這種建模方法用于研究復雜的宏觀經(jīng)濟問題，有時多達萬余個內(nèi)生變量。遺憾的是經(jīng)濟理論并未明確的給出變量之間的動態(tài)關(guān)系。本章所要介紹的 VAR模型和 VEC模型，就是非結(jié)構(gòu)性的方程組模型。 VAR模型的定義式為：設(shè) 是 N1 階時序應變量列向量，則 p階 VAR模型（記為 VAR(p)）：（ 1）5式中， 是第 i個待估參數(shù) NN 階矩陣 。顯然， VAR模型是由單變量 AR模型推廣到多變量組成的 “向量 ”自回歸模型。而隨機擾動列向量的自相關(guān)問題可由增加作為解釋應變量的滯后階數(shù)來解決。建 VAR模型的目的： （ 1）預測，且可用于長期預測； （ 2）脈沖響應分析和方差分解，用于變量間的動態(tài)結(jié)構(gòu)分析。由 VAR模型又發(fā)展了 VEC模型 。 注意： “VAR”需大寫，以區(qū)別金融風險管理中的 VaR。適當加大 p值（即增加滯后變量個數(shù)），可消除殘差中存在 二、 VAR模型 中滯后階數(shù) p的確定方法 11的自相關(guān)。 （ 1）用赤池信息準則（ AIC）和施瓦茨（ SC）準則確定 p值。 當 AIC與 SC的最小值對應不同的 p值時，只能用 LR檢驗法。 13格蘭杰因果關(guān)系 克萊夫 .格蘭杰（ ,1969） 和西姆斯（ ,1972） 分別提出了含義相同的定義，故除使用 “格蘭杰非因果性 ”的概念外，也使用 “格蘭杰因果性 ”的概念。 顧名思義，格蘭杰非因果性關(guān)系，也可以用“格蘭杰因果性 ”概念。16類似的，可檢驗 對 是否存在格蘭杰因果關(guān)系。 注意： （ 1）由式（ 4）知 ,格蘭杰因果關(guān)系檢驗式 ,是回歸式，因此，要求受檢變量是平穩(wěn)的，對非平穩(wěn)變量要求是協(xié)整的，以避免偽回歸。 （ 4）格蘭杰因果性檢驗原假設(shè)為：宇宙集、平穩(wěn)變量（對非平穩(wěn)變量要求是協(xié)整的）、大樣本和必須考慮滯后。20建立 VAR模型 在工作文件窗口，在主菜單欄選Quicp/Estimate VAR， OK，彈出 VAR定義窗口，見圖 5?？梢园l(fā)現(xiàn)許多 t檢驗值不顯著，一般不進行剔除， VAR 理論不看重個別檢驗結(jié)果，而是注重模型的整體效果，不分析各子方程的意義。 建立了 VAR模型之后，在模型窗口工具欄點擊 Name，將 VAR模型保存，以便進行脈沖響應等特殊分析。故可用其進行預測。28 圖 6 線性模型窗口29 圖 7 模型預測窗口30 圖 8和圖 9分別是利用動態(tài)和靜態(tài)方法計算出的樣本期內(nèi)實際值與擬合值的比較。 （ 3）脈沖響應函數(shù)（沖擊）法； （ 4）方差分解法。對兩個時序變量，選擇一個作為基準變量，計算與另一變量在時間上錯開 (滯后 )時的相關(guān)系數(shù)。若取正整數(shù)，則表示 xt滯后于 yt； 若取負整數(shù)，則表示 xt超前于 yt； 若取零，則表示兩變量一致。嚴格講時差相關(guān)系數(shù)法給出的時滯僅是從政策變化到對經(jīng)濟系統(tǒng)產(chǎn)生影響的時間間隔。 35 EViews命令為：在主窗口點擊： Quicp / Group Statistics / Corss Correogram =序列名窗口，鍵入二序列名（只允許鍵入兩個變量）， OK。 36 這里介紹的脈沖響應函數(shù)和下面將要介紹的方差分解法，較時差相關(guān)系數(shù)法具有兩個突出優(yōu)點： 第一 ,可將所考慮的全部變量納入一個系統(tǒng)，反映系統(tǒng)內(nèi)所有變量間的相互影響，給出的是系統(tǒng)內(nèi)全部信息相互作用結(jié)果。 （ 1）脈沖響應函數(shù)。這種分析方法稱為脈沖響應函數(shù)（ IRF:impulseresponse function）。 （ 6） 若系統(tǒng)受某種擾動，使 發(fā)生 1個標準差的變化（沖擊），不僅使 立即發(fā)生變化（響應），而且還會通過 ， 影響 的取值 ,且會影響其后的 GDP和 M的取值（滯后響應）。 為簡便起見，假定系統(tǒng)從 0期開始運行，則 給定新息（擾動） ，且其后均為 0，即 ，稱此為 0期擾動，對的沖擊，亦即 與 的響應。