没有合适的资源?快使用搜索试试~ 我知道了~
VAR模型与向量VECM模型(7).pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 194 浏览量
2023-03-27
16:39:18
上传
评论
收藏 1.47MB PDF 举报
温馨提示
试读
29页
VAR模型与向量VECM模型(7).pdfVAR模型与向量VECM模型(7).pdfVAR模型与向量VECM模型(7).pdfVAR模型与向量VECM模型(7).pdfVAR模型与向量VECM模型(7).pdf
资源推荐
资源详情
资源评论
1 / 29下载文档可编辑
第7章 向量自回归模型(VAR)与向量误差修
正模型(VEC)
§7.1 向量自回归模型(VAR(p))
传统的经济计量学联立方程模型建摸方法, 是以经济理论为基础来描述经济
变量之间的结构关系,采用的是结构方法来建立模型,所建立的就是联立方程
结构式模型。这种模型其优点是具有明显的经济理论含义。但是,从计量经济
学建摸理论而言,也存在许多弊端而受到质疑。
一是在模型建立之处,首先需要明确哪些是内生变量,哪些是外生变量,尽
管可以根据研究问题和目的来确定,但有时也并不容易;
二是所设定的模型,每一结构方程都含有内生多个内生变量,当将某一内生
变量作为被解释变量出现在方程左边时,右边将会含有多个其余内生变量,由
于它们与扰动项相关, 从而使模型参数估计变得十分复杂,在未估计前,就需
要讨论识别性;
三是结构式模型不能很好地反映出变量间的动态联系。
为了解决这一问题,经过一些现代计量经济学家门的研究,就给出了一种非
结构性建立经济变量之间关系模型的方法,这就是所谓向量自回归模型(Vector
Autoregression Model)。VAR模型最早是1980年,由C.A.Sims引入到计量经济
学中,它实质上是多元AR模型在经济计量学中的应用,
VAR模型不是以经济理论为基础描述经济变量之间的结构关系来建立模型
的,它是以数据统计性质为基础,把某一经济系统中的每一变量作为所有变量
的滞后变量的函数来构造模型的。它是一种处理具有相关关系的多变量的分析
和预测、随机扰动对系统的动态冲击的最方便的方法。而且在一定条件下,多
元MA模型、ARMA模型,也可化为VAR模型来处理,这为研究具有相关关系的多变
量的分析和预测带来很大方便。
7.1.1 VAR模型的一般形式
1、非限制性VAR模型(高斯VAR模型),或简化式非限制性VAR模型
设
1 2
( ... )
t t t kt
y y y y
为一
k
维随机时间序列,
p
为滞后阶数,
1 2
( ... )
t t t kt
u u u u
为一
2 / 29下载文档可编辑
k
维随机扰动的时间序列,且有结构关系
(1) (1) (1) (2) (2) (2)
1 11 1 1 12 2 1 1 1 11 1 2 12 2 2 1 2
( ) ( ) ( )
11 1 12 2 1 1
(1) (1) (1) (2) (2)
2 21 1 1 22 2 1 2 1 21 1 2 22 2 2
... ... ...
...
... .
t t t k kt t t k kt
p p p
t p t p k kt p t
t t t k kt t t
y a y a y a y a y a y a y
a y a y a y u
y a y a y a y a y a y
(2)
2 2
( ) ( ) ( )
21 2 12 2 2 2
(1) (1)
1 1 1
.. ...
...
.....................................................................................................................
k kt
p p p
t p t p k kt p t
kt k t k
a y
a y a y a y u
y a y a
(1) (2) (2) (2)
2 2 1 1 1 1 2 12 2 2 1 2
( ) ( ) ( )
1 1 2 2
... ... ...
...
t kk kt k t t k kt
p p p
k t p k t p kk kt p kt
y a y a y a y a y
a y a y a y u
1, 2,...,t T
(7.1.1)
若引入矩阵符号,记
( ) ( ) ( )
11 12 1
( ) ( ) ( )
21 22 2
( ) ( ) ( )
1 2
...
...
, 1, 2,...,
.....................................
...
i i i
k
i i i
k
i
i i i
k k kk
a a a
a a a
A i p
a a a
可写成
1 1 2 2
...
t t t p t p t
y A y A y A y u
,
1, 2,...,t T
(7.1.2)
进一步,若引入滞后算子
L
,则又可表示成
( ) , 1, 2,...,
t t
A L y u t T
(7. 1. 3)
其中:
2
1 2
( ) ...
p
k p
A L I A L A L A L
,为滞后算子多项式.
如果模型满足的条件:
①参数阵
0, 0;
p
A p
②特征方程
2
1 2
det[ ( )] ... 0
p
k p
A L I A L A L A L
的根全在单位园外;
③
~ (0, )
t
u iidN
,
1, 2,...,t T
,即
t
u
相互独立,同服从以
( ) 0
t
E u
为期望向
量、
ov( ) ( )
t t t
C u E u u
为方差协方差阵的
k
维正态分布。这时,
t
u
是
k
维白噪声
向量序列,由于
t
u
没有结构性经济含义,也被称为冲击向量;
( ) ( ) 0, 1, 2,...
t t j t t j
Cov u x E u x j
,即
t
u
与
t
x
及各滞后期不相关。则称上述模型为非
限制性VAR模型(高斯VAR模型),或简化式非限制性VAR模型。
2、受限制性VAR模型,或简化式受限制性VAR模型
3 / 29下载文档可编辑
如果将
1 2
( ... )
t t t kt
y y y y
做为一
k
维内生的随机时间序列,受
d
维外生的时间序
列
1 2
( .. )
t t t dt
x x x x
影响(限制),则VAR模型为
1 1 2 2
...
t t t p t p t t
y A y A y A y Dx u
,
1, 2,...,t T
(7.1.4)
或利用滞后算子表示成
( ) , 1, 2,...,
t t t
A L y Dx u t T
(7. 1. 5)
其中:
11 12 1
21 22 2
1 2
...
...
............................
...
d
d
k k kd
d d d
d d d
D
d d d
此时称该模型为受限制性VAR模型,简化式受限制性VAR模型。
对于受限制性VAR模型,可通过
1 2
( ... )
t t t kt
y y y y
对
1 2
( .. )
t t t dt
x x x x
作OLS回归,得
到残差估计
ˆ
t t t
y y y
%
,从而将
t
y
%
变换成(15.1.2)或(15.1.3)形式的非限制性VAR模型,
即
1 1 2 2
...
t t t p t p t
y A y A y A y u
% % % %
,
1, 2,...,t T
(7.1.6)
( ) , 1, 2,...,
t t
A L y u t T
%
(7. 1.
7)
这说明受限制性VAR模型可化为非限制性VAR模型。
简化式非限制、受限制VAR模型,皆简记为
( )VAR p
。
3、结构式非限制性VAR模型
如果
1 2
( ... )
t t t kt
y y y y
中的每一分量受其它分量当期影响, 无
d
维外生的时间
序列
1 2
( .. )
t t t dt
x x x x
影响(限制),则模型化为
0 1 1 2 2
...
t t t p t p t
A y A y A y A y u
,
1, 2,...,t T
(7.1.8)
或利用滞后算子表示成
( ) , 1, 2,...,
t t
A L y u t T
(7. 1. 9)
4 / 29下载文档可编辑
其中:
(0) (0)
12 1
(0) (0)
21 2
0
(0) (0)
1 2
1 ...
1 ...
............................
... 1
k
k
k k
a a
a a
A
a a
,这时的
2
0 1 2
( ) ...
p
p
A L A A L A L A L
此时称该模型为结构式非限制性VAR模型。
如果
0
A
可逆,既逆阵
1
0
A
存在,则结构式非限制性VAR模型可化为简化式非
限制性VAR模型
1 1 1 1
0 1 1 0 2 2 0 0
...
t t t p t p t
y A A y A A y A A y A u
,
1, 2,...,t T
(7.1.10)
或利用滞后算子表示成
1
0
( ) , 1, 2,...,
t t
A L y A u t T
(7. 1.
11)
这时,其中的
1 1 2 1
0 1 0 2 0
( ) ...
p
p
A L I A A L A A L A A L
4、结构式受限制性VAR模型
如果将
1 2
( ... )
t t t kt
y y y y
做为一
k
维内生的随机时间序列,其中每一分量受其
它分量当期影响,且还受
d
维外生的时间序列
1 2
( .. )
t t t dt
x x x x
影响(限制),则VAR
模型为
0 1 1 2 2
...
t t t p t p t t
A y A y A y A y Dx u
,
1, 2,...,t T
(7.1.12)
或利用滞后算子表示成
( ) , 1, 2,...,
t t t
A L y Dx u t T
(7. 1.
13)
此时称该模型为结构式受限制性VAR模型。
如果
0
A
可逆,既逆阵
1
0
A
存在,则结构式受限制性VAR模型可化为简化式受限
制性VAR模型
1 1 1 1 1
0 1 1 0 2 2 0 0 0
...
t t t p t p t t
y A A y A A y A A y A Dx A u
,
1, 2,...,t T
(7.1.14)
或利用滞后算子表示成
1 1
0 0
( ) , 1, 2,...,
t t t
A L y A Dx A u t T
(7. 1. 15)
5 / 29下载文档可编辑
这时,其中的
1 1 2 1
0 1 0 2 0
( ) ...
p
p
A L I A A L A A L A A L
结构式非限制、受限制VAR模型,皆简记为
( )SVAR p
。
7.1.2 简化式VAR模型的参数估计
VAR模型参数估计, 简化式VAR模型比较简单可采用Yule-Walker估计、OLS估
计、极大似然估计法等进行估计,且可获得具有良好统计性质的估计量。结构式
VAR模型参数估计比较复杂,可有两种途径:一种是化成简化式,直接估计简化
式模型参数,然后再通过简化式模型参数与结构式模型参数的关系,求得结构
式模型参数估计,但这存在一个问题是否可行,什么情况下可行,这与结构式
模型的识别性有关。另一种途径是直接对结构式模型参数进行估计,但这也存
在一个问题,上述方法不可应用,原因是每一方程含有众多内生的与扰动项相
关变量,那么,如何估计?这也与结构式模型的识别性有关。
对于简化式VAR模型(15.1.1)—(15.1.3),在冲击向量满足假设
~ (0, )
t
u iidN
,
1, 2,...,t T
,即
t
u
相互独立,同服从以
( ) 0
t
E u
为期望向量、
ov( ) ( )
t t t
C u E u u
为方差协方差阵的
k
维正态分布。这时,
t
u
是
k
维白噪声向量
序列的条件下,模型参数阵
1 2
, ,...,
p
A A A
及
也可采用Yule-Walker估计、OLS估计、
极大似然估计。
设
1 2
( ... )
t t t kt
y y y y
,
1, 2,...,t T
为长度为
T
的样本向量
1、Yule-Walker估计
在
T
充分大时, 首先估计自协方差阵
1
ˆ
/
T
h t t h
t h
y y T
(7.1.16)
令
0 1 1
1 0 2
1 2 0
ˆ ˆ ˆ
...
ˆ ˆ ˆ
...
ˆ
... ... ... ...
ˆ ˆ ˆ
...
p
p
p p
,
1
1
2
2
ˆ
ˆ
ˆ
ˆ
ˆ
ˆ
,
ˆ
ˆ
p
P
A
A
A
A
M
M
则可得模型参数阵的Yule-Walker估计(矩估计)为
1
1
2
ˆ
ˆ
ˆ
ˆ ˆ
ˆ
P
A
A
A
A
M
1
0 1 1
1 0 2
1 2 0
ˆ ˆ ˆ
...
ˆ ˆ ˆ
...
... ... ... ...
ˆ ˆ ˆ
...
p
p
p p
1
2
ˆ
ˆ
,
ˆ
p
M
剩余28页未读,继续阅读
资源评论
hhappy0123456789
- 粉丝: 58
- 资源: 5万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功