【正文】 r引起實際利率 4 Δln(m1)方程實際利率不能 Granger引起實際 M1 2 實際 GDP不能 Granger引起實際 M1 2 實際利率、實際 GDP不能同時 Granger引起實際 M1 4 Δln(gdp)方程實際利率不能 Granger引起實際 GDP 2 實際 M1不能 Granger引起實際 GDP 2 實際利率、實際 M1不能同時 Granger引起實際 GDP 4 86 從表 ： 在實際利率方程中，不能拒絕實際 M實際 GDP不是實際利率的 Granger原因的原假設(shè)，而且兩者的聯(lián)合檢驗也不能拒絕原假設(shè)，表明實際利率外生于系統(tǒng)，這與我國實行固定利率制度是相吻合的； 在實際 M1的方程中，無論實際利率的 Granger因果檢驗，還是聯(lián)合檢驗在 10% 的顯著性水平下都不能接受原假設(shè)，說明實際利率在 Granger意義下影響實際 M1； 在第三個方程 (即實際 GDP方程 )中，實際利率在 1% 的顯著性水平下拒絕原假設(shè)，說明實際利率對于產(chǎn)出具有顯著Granger影響 。87 VAR模型中一個重要的問題就是滯后階數(shù)的確定。但是另一方面，滯后階數(shù)越大，需要估計的參數(shù)也就越多，模型的自由度就減少。事實上，這是 VAR模型的一個缺陷，在實際中常常會發(fā)現(xiàn)，將不得不限制滯后項的數(shù)目，使它少于反映模型動態(tài)特征性所應(yīng)有的理想數(shù)目。 ?2 (Wald) 統(tǒng)計量如下： 其中 m是可選擇的其中一個方程中的參數(shù)個數(shù)： m=d+ kj，d 是外生變量的個數(shù)， k 是內(nèi)生變量個數(shù)， 和 分別表示滯后階數(shù)為 (j – 1)和 j 的 VAR模型的殘差協(xié)方差矩陣的估計。每次減少一個滯后階數(shù)，直到拒絕原假設(shè)。 表中用表中用 “*”表示從每一列表示從每一列標準中選的滯后數(shù)。在 4～～ 7列中，是在標準值最小的情況列中，是在標準值最小的情況下所選的滯后數(shù)。 為了確定例 p， 默認的滯后階數(shù)為 4，得到如下的結(jié)果： 93滯后長度 p=4：滯后長度 p=2：94 在在 EViews軟件關(guān)于軟件關(guān)于 VAR模型的其他檢驗?zāi)Ｐ偷钠渌麢z驗 一旦完成 VAR模型的估計， EViews會提供關(guān)于被估計的 VAR模型的各種視圖。95 1. AR根的圖表根的圖表 如果被估計的 VAR模型所有根的模的倒數(shù)小于模型所有根的模的倒數(shù)小于 1，即位于單位圓內(nèi)，則其是穩(wěn)定的即位于單位圓內(nèi)，則其是穩(wěn)定的 。共有 kp 個根，其中 k 是內(nèi)生變量的個數(shù)， p 是最大滯后階數(shù)。 對于例 ，可以得到如下的結(jié)果： 96 所有的單位根的模大于 1，因此例 滿足穩(wěn)定性條件 。 (2) 混合的自相關(guān)檢驗混合的自相關(guān)檢驗 (Portmanteau Autocorrelation Test) 計算與指定階數(shù)所產(chǎn)生的殘差序列相關(guān)的多變量 BoxPierce/LjungBox Q統(tǒng)計量。 (4) 正態(tài)性檢驗正態(tài)性檢驗 (Normality Test) (5) White 異方差檢驗異方差檢驗 (White Heteroskedasticity Test) 99 VAR模型的過程模型的過程 VAR對象的過程 (Procs)中多數(shù)的過程和系統(tǒng)對象(System)的過程一樣在這里僅就對 VAR模型特有的過程進行討論。如果要估計一個非標準的 VAR模型，可以通過這個過程盡快的在系統(tǒng)對象中設(shè)定一個 VAR模型，并可以根據(jù)模型的需要進行修改。為了估計一個非平衡滯后結(jié)構(gòu)的 VAR模型，用 Make System可以產(chǎn)生一個具有平衡滯后結(jié)構(gòu)的 VAR系統(tǒng)，然后編輯系統(tǒng)以滿足所需要的滯后要求。如果想排除系統(tǒng)某些方程中特定變量的滯后，可以選用這個選項。如果想排除系統(tǒng)某些方程中特定的滯后階數(shù)來進行編輯，可以用這個選項。當用系統(tǒng)對象估計非標準的 VAR模型時，可以使用更復(fù)雜的系統(tǒng)估計方法（如： SUR方法）。 脈沖響應(yīng)函數(shù)脈沖響應(yīng)函數(shù) 103 用時間序列模型來分析影響關(guān)系的一種思路，是考慮擾動項的影響是如何傳播到各變量的。 脈沖響應(yīng)函數(shù)的基本思想脈沖響應(yīng)函數(shù)的基本思想 ()其中， ai， bi， ci， di 是參數(shù)， ?t = ( ?1t , ?2t )? 是擾動項，假定是具有下面這樣性質(zhì)的白噪聲向量： 104() 假定上述系統(tǒng)從０期開始活動，且設(shè) x1=x2= z1=z2= 0，又設(shè)于第０期給定了擾動項 ?10 =1， ?20 =0，并且其后均為０，即 ?1t =?2t =0 (t ＝ 1， 2， …) ， 稱此為第０期給 x 以脈沖。同時所求得 106稱為由稱為由 x 的脈沖引起的的脈沖引起的 z 的響應(yīng)函數(shù)的響應(yīng)函數(shù) 。因為以上這樣的脈沖響應(yīng)函數(shù)明顯地捕捉對沖擊的效果，所以同用于計量經(jīng)濟模型的沖擊乘數(shù)分析是類似的。 關(guān)于 Kq的條件遞歸定義了 MA系數(shù)： ()109 考慮 VMA(∞)的表達式 yt 的第 i 個變量 yit 可以寫成：其中 k 是變量個數(shù)。 也可以用矩陣的形式表示為 ()即 Aq 的第 i 行第 j 列元素等于時期 t 第 j 個變量的擾動項增加一個單位，而其他時期的擾動為常數(shù)時，對時期 t+q 的第 i 個變量值的影響。但是對于上述脈沖響應(yīng)函數(shù)的結(jié)果的解釋卻存在一個問題：前面我們假設(shè)協(xié)方差矩陣 ? 是非對角矩陣，這意味著擾動項向量 ?t 中的其他元素隨著第 j個元素 ?jt 的變化而變化，這與計算脈沖響應(yīng)函數(shù)時假定 ?jt 變化，而 ?t 中其他元素不變化相矛盾。115 常用的正交化方法是 Cholesky分解，由式（ ）和式（ ）可知，在時期 t，其他變量和早期變量不變的情況下 yt+q 對 yjt 的一個單位沖擊的反應(yīng)為 ()其中 Pj 表示式 ()中 Cholesky分解得到的 P 矩陣的第 j 列元素。116 廣義脈沖響應(yīng)函數(shù)廣義脈沖響應(yīng)函數(shù) VAR模型的動態(tài)分析一般采用 “正交 ”脈沖響應(yīng)函數(shù)來實現(xiàn)，而正交化通常采用式（ ）形式的 Cholesky分解完成，但是 Cholesky分解的結(jié)果嚴格的依賴于模型中變量的次序。 考慮式 ()形式的 VAR模型，其中擾動項滿足式()的假定，且其方差協(xié)方差矩陣 ? 是正定矩陣，擾動項之間可以存在同期相關(guān)關(guān)系，即 ? 不一定是對角矩陣。由于 ? 不是對角矩陣，意味著 ?t各元素之間存在同期相關(guān)關(guān)系，則給 ?jt 一個沖擊， ?t 中的其它元素同期也會發(fā)生變化，因此， 為了得到式（ ）的結(jié)果，需要首先計算由于 ?jt 的變化而引起的 ?t 中其他元素 同期發(fā)生的變化，此時 ，假定 ?t 服從多元正態(tài)分布，則 ()其中 ， 表示 ?t 協(xié)方差矩陣 ? 的第 j 列元素， 118 變量 j 的沖擊引起的向量 yt+q 的響應(yīng)為： ()若設(shè) ()則響應(yīng)的廣義脈沖響應(yīng)函數(shù)為 () 當協(xié)方差矩陣 ? 是對角矩陣時，正交脈沖與廣義脈沖的結(jié)果是一致的。 分別用 y1 表示 鋼材銷售收入鋼材銷售收入 ； y2 表示 建材銷售收入建材銷售收入 y3 表示 汽車銷售收入汽車銷售收入 ； y4 表示 機械銷售收入機械銷售收入 ； y5 表示 家電家電銷售收入銷售收入 。例例 鋼鐵行業(yè)的需求對下游相關(guān)行業(yè)變化的響應(yīng)鋼鐵行業(yè)的需求對下游相關(guān)行業(yè)變化的響應(yīng) 120 脈沖響應(yīng)函數(shù)在脈沖響應(yīng)函數(shù)在 EViews軟件中的實現(xiàn)軟件中的實現(xiàn) 為了得到脈沖響應(yīng)函數(shù)，先建立一個 VAR模型，然后在 VAR工具欄中選擇 View/Impulse Response… 或者在工具欄選擇 Impulse， 并得到下面的對話框，有兩個菜單：Display 和 Impulse Definition。如果選擇 Combined Graphs 則 Response Standard Error選項是灰色，不顯示標準誤差。是按脈沖變量的順序。 可以輸入內(nèi)生變量的名稱，也可以輸入變量的對應(yīng)的序數(shù)。輸入變量的順序僅僅影響結(jié)果的顯示。如果想顯示累計的響應(yīng)，則需要單擊 Accumulate Response選項。 123 (3) 脈沖響應(yīng)標準差（脈沖響應(yīng)標準差（ Response Standard Error）） 提供計算脈沖響應(yīng)標準誤差的選項。若選擇了 Monte Carlo， 還需在下面的編輯框確定合適的迭代次數(shù)。如果選擇以多圖來顯示結(jié)果，曲線圖將包括關(guān)于脈沖相應(yīng)的正負（ +/）兩個標準偏離帶。 124 2. Impulse Definition菜單提供了轉(zhuǎn)換脈沖的選項菜單提供了轉(zhuǎn)換脈沖的選項 ：： (1) ResidualOne Unit 設(shè)置脈沖為殘差的一個單位的沖擊。這個選項所產(chǎn)生的響應(yīng)函數(shù)是 VAR模型相對應(yīng)VMA(∞)模型的系數(shù)。這個選項忽略了 VAR模型殘差的相關(guān)性。這個選項為 VAR模型的變量強加一個次序，并將所有影響變量的公共因素歸結(jié)到在 VAR模型中第一次出現(xiàn)的變量上?？梢栽?Cholesky Ordering 的編輯框中重新定義 VAR模型中變量的次序。具有自由度修正的殘差協(xié)方差矩陣的第 (i, j)元素的計算是按下列公式計算的： 其中 m是 VAR模型中每一個方程中待估計參數(shù)的個數(shù)。如果沒有先估計一個結(jié)構(gòu)因子分解矩陣，或者沒有對模型施加約束，這個選項不能用。應(yīng)用按上面的 Cholesky順序計算的第 j個變量的 Cholesky因子得到第 j個變量的擾動項的廣義脈沖響應(yīng)。建立一個包含脈沖的矩陣（或向量），并在編輯框中輸入矩陣的名字。 例如：一個有 k（ = 3） 個變量的 VAR模型，希望同步對第一個變量有一個正的一個單位的沖擊，給第二個變量一個負的一個單位的沖擊，可以建立一個 3?1的脈沖矩陣 S ， 其值分別為： 1， ?1， 0。 129 例 5變量的 VAR(3)模型，下面分別給各下游行業(yè)銷售收入一個沖擊（選擇廣義脈沖） ，得到關(guān)于鋼材銷售收入的脈沖響應(yīng)函數(shù)圖。 130y1： 鋼材 ； y2： 建材 ； y3： 汽車 ； y4： 機械 ； y5： 家電131 從第一個圖中可以看出，當在本期給建材行業(yè)銷售收入一個正沖擊后，鋼材銷售收入在前 4期內(nèi)小幅上下波動之后在第 6期達到最高點 ( =，即在第 6期 y1 對 y2 的響應(yīng)是) ；從第 9期以后開始穩(wěn)定增長。 從第二幅圖中可以看出，當在本期給汽車行業(yè)銷售收入一個正沖擊后，鋼材銷售收入在前 5期內(nèi)會上下波動；從第 5期以后開始穩(wěn)定增長 ( =)。 132 從第三幅圖中可以看出，機械行業(yè)銷售收入的正沖擊經(jīng)市場傳遞也會給鋼材銷售收入帶來正面的影響，并且此影響具有較長的持續(xù)效應(yīng)。 綜上所述，由于市場化程度、政府保護政策等各方面的原因，使得各下游相關(guān)行業(yè)的外部沖擊會通過市場給鋼鐵行業(yè)帶來不同程度的影響，但是都是同向的影響。 133 為了解決 VAR模型脈沖響應(yīng)函數(shù)非正交化的問題，由Cholesky分解可將正定的協(xié)方差矩陣 ?分解為其中 G 是下三角形矩陣， Q 是主對角線元素為正的對角矩陣。, q = 0, 1, 2, …135 同樣由 yj 的脈沖引起的 yi 的累積 (accumulate)響應(yīng)函數(shù)可表示為 不失一般性，對于一個 n元的 SVAR(p)模型，由式()可得 SVAR模型的脈沖響應(yīng)函數(shù)為 (), q = 0, 1, 2, …136則其累積脈沖響應(yīng)函數(shù)矩陣（ ?）可表示為 ()則 ? 的第 i 行第 j 列元素表示第 i 個變量對第 j 個變量的結(jié)構(gòu)沖擊的累積響應(yīng) 。因此，根據(jù)式 ()可知長期可識別約束