VAR模型与向量VECM模型(7).pdf_VECM模型资源-CSDN文库

版权申诉

194 浏览量 2023-03-27 16:39:18 上传评论收藏 1.47MB PDF 举报

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

维随机时间序列，

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

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 k kk

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

，则又可表示成

( ) , 1, 2,...,

t t

A L y u t T 

（7. 1. 3）

其中:

1 2

( ) ...

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;

A p 

②特征方程

1 2

det[ ( )] ... 0

k p

A L I A L A L A L     

的根全在单位园外；

③

~ (0, )

u iidN 

，

1, 2,...,t T

，即

相互独立，同服从以

( ) 0

E u 

为期望向

量、

ov( ) ( )

t t t

C u E u u



  

为方差协方差阵的

维正态分布。这时，

是

维白噪声

向量序列，由于

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

与

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

5 / 29下载文档可编辑

这时，其中的

1 1 2 1

0 1 0 2 0

( ) ...

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, )

u iidN 

，

1, 2,...,t T

，即

相互独立，同服从以

( ) 0

E u 

为期望向量、

ov( ) ( )

t t t

C u E u u



  

为方差协方差阵的

维正态分布。这时，

是

维白噪声向量

序列的条件下，模型参数阵

1 2

, ,...,

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

的样本向量

1、Yule-Walker估计

在

充分大时, 首先估计自协方差阵

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

...

p p

  



 

 

 



 

 

 

 

 

 



 



 

 



 

  

 



 



 

则可得模型参数阵的Yule-Walker估计(矩估计)为

ˆ ˆ



 



 



 

    

 



 

0 1 1

1 0 2

1 2 0

ˆ ˆ ˆ

...

ˆ ˆ ˆ

...

... ... ... ...

ˆ ˆ ˆ

...

p p

  



 

 

 



 

 

 

 





 

 



 



 

 

剩余28页未读，继续阅读

评论收藏

内容反馈

版权申诉

hhappy0123456789

粉丝: 58
资源: 5万+

VAR模型与向量VECM模型(7).pdf

VAR VECM.doc_高铁梅老师的EVIEWS教学课件

VAR模型及向量VECM模型7.doc

VAR模型与向量VECM模型

VAR模型与向量VECM模型(7)[归类].pdf

VAR模型与向量VECM模型15.pdf

VAR模型讲义.pdf

第五章之VAR模型的构建.pdf

第五章VAR模型的构建.pdf

VAR模型应用案例 (完成).pdf

向量自回归模型VAR

VECM案例分析.pdf

VECM.rar_ecm模型_vecm_模型修正_误差修正_误差修正模型

VECM案例分析.doc

论文研究-基于马尔可夫状态转换方法的套期保值.pdf

实验二VAR模型的概念和构造.pdf

专题资料（2021-2022年）VECM模型实验——时间序列.doc

论文研究-中国商品住宅期房与现房市场的价格引领关系.pdf

论文研究-一种新的集成预测方法——GPVECM.pdf

matlab单位脉冲响应代码-SVAR:用于快速n脏结构VAR建模以检查脉冲响应函数的MATLAB代码

基于VECM 模型的煤炭消费与低碳经济发展因果关系研究-论文

内陆地区出口贸易与能源消费的VECM研究——以陕西省为例

国际贸易与技术进步的长短期因果关系检验——基于VECM的实证分析 (2007年)

论文研究 - 汇率与股票市场价格之间的长期和短期关系

我国动力煤期货市场的价格发现效率测度

Origin绘制相关性热图插件(Correlation Plot)

（免费）Chrome浏览器插件axure-chrome-extension

noc指导教师资格认证题库

vep视频快速加密提取器

最新资源