EVIEWS軟件的使用說明--向量自回歸和誤差修正模型

1、EVIEWS軟件的使用說明-向量自回歸和誤差修正模型第二十章向量自回歸和誤差修正模型聯(lián)立方程組的結(jié)構(gòu)性方法是用經(jīng)濟(jì)理論來建立變量之間關(guān)系的模型。但是，經(jīng)濟(jì)理論通常并不足以對變量之間的動態(tài)聯(lián)系提供一個嚴(yán)密的說明。并且，內(nèi)生變量既可以出現(xiàn)在等式的左端又可以出現(xiàn)在等式的右端使得估計和推斷更加復(fù)雜。為解決這些問題產(chǎn)生了一種用非結(jié)構(gòu)性方法來建立各個變量之間關(guān)系的模型。就是這一章講述的向量自回歸模型（VectorAutoregression,VARA及向量誤差修正模型（VectorErrorCorrection,VEC的估計與分析。同時給出一些檢驗幾個非穩(wěn)定變量之間協(xié)整關(guān)系的工具。§20.1向量

2、自回歸理論向量自回歸（VAR）常用于預(yù)測相互聯(lián)系的時間序列系統(tǒng)以及分析隨機(jī)擾動對變量系統(tǒng)的動態(tài)影響。VAR方法通過把系統(tǒng)中每一個內(nèi)生變量作為系統(tǒng)中所有內(nèi)生變量的滯后值的函數(shù)來構(gòu)造模型，從而回避了結(jié)構(gòu)化模型的需要。一個VAR（p）模型的數(shù)學(xué)形式是：（20.1）這里是一個維的內(nèi)生變量，是一個維的外生變量。和是要被估計的系數(shù)矩陣。是擾動向量，它們相互之間可以同期相關(guān)，但不與自己的滯后值相關(guān)及不與等式右邊的變量相關(guān)。作為VAR的一個例子，假設(shè)工業(yè)產(chǎn)量（IP）和貨幣供應(yīng)量（M1）聯(lián)合地由一個雙變量的VAR模型決定，并且讓常數(shù)為唯一的外生變量。內(nèi)生變量滯后二階的VAR（2摸型是:（20.2）其中，是要被估

3、計的參數(shù)。也可表示成：§ 20.2 計VAR模型及估計輸出選擇Quick/EstimateVAR或者在命令窗口中鍵入var,并在出現(xiàn)對話框內(nèi)添入適當(dāng)?shù)男畔ⅲ? .選擇說明類型：UnrestrictedVAR無約束向量自回歸）或者VectorErrorCorrection（向量誤差修正）2 .設(shè)置樣本區(qū)間。3 .在適當(dāng)編輯框中輸入滯后信息。這一信息應(yīng)被成對輸入：每一對數(shù)字描述一個滯后區(qū)間。4 .在相應(yīng)的編輯欄中輸入適當(dāng)?shù)膬?nèi)生及外生變量。§ 20.3 VAR視圖和過程在VAR窗口的View/LagStructured口View/ResidualTest菜單下將提供一系列的診斷視

4、圖。（一）LagStructuref后結(jié)構(gòu)）1. ARRootsTable/Graph（AR!的圖表）2. PairwiseGrangerCausalityTests（Grang®果檢驗）Granger因果檢驗主要是用來檢驗一個內(nèi)生變量是否可以作為外生變量對待。3. LagExclusionTes滯后排除檢驗）4. LagLengthCriteria（后長度標(biāo)準(zhǔn)）（二）ResidualTestS（差檢驗）1 .相關(guān)圖顯示VAR在指定的滯后數(shù)的條件下的被估計的殘差交叉相關(guān)圖（樣本自相關(guān)）。交叉相關(guān)圖能以三種形式顯示：（1）TabulatebyVariable2 2）Tabulateby

5、Lag（3）Graph2 .自相關(guān)檢驗計算與指定階數(shù)所產(chǎn)生的殘差序列相關(guān)的多變量Q統(tǒng)計量，同時計算出Q統(tǒng)計量和調(diào)整后的Q統(tǒng)計量。在原假設(shè)是滯后期沒有序列相關(guān)的條件下，兩個統(tǒng)計量都近似的服從自由度為的統(tǒng)計量，其中p為滯后階數(shù)。3 .自相關(guān)LM檢驗：計算與指定階數(shù)所產(chǎn)生的殘差序列相關(guān)的多變量LM檢驗4 .正態(tài)檢驗：計算J-B殘差正態(tài)檢驗的多變量范圍。5 .White異方差檢驗這些檢驗是針對系統(tǒng)方程的White's檢驗范圍，這個回歸檢驗是通過殘差序列每一個回歸量交叉項乘積的回歸來實現(xiàn)的，并檢驗回歸的顯著性。NoCrossTerm選項僅僅用于原始回歸量的水平和平方檢驗。WithCrossTer

6、m蜒項包括被檢驗方程中原始回歸變量所有的非多余的交叉乘積。§20.4脈沖響應(yīng)函數(shù)(一)脈沖響應(yīng)函數(shù)方法對第個變量的沖擊不僅直接影響第個變量，并且通過VAR模型的動態(tài)結(jié)構(gòu)傳導(dǎo)給所有的其它內(nèi)生變量。脈沖響應(yīng)函數(shù)刻畫的是在一個擾動項上加上一次性的一個沖擊，對內(nèi)生變量的當(dāng)前值和未來值所帶來的影響。設(shè)VAR(p膜型為(20.(9)這里是一個k維內(nèi)生變量向量，是方差為的擾動向量。的VMA(s)的表達(dá)式(20.(10)假如VAR(p可逆，的VMA的系數(shù)可以由VAR的系數(shù)得到。設(shè)，q=1,2,3:.，則y的第i個變量可以寫成：(20.12)其中k是變量個數(shù)。下面僅考慮兩個變量(k=2)的情形：現(xiàn)在假

7、定在基期給一個單位的脈沖，即：12012345t由的脈沖引起的的響應(yīng)函數(shù)：因此，一般地，由對的脈沖引起的的響應(yīng)函數(shù)可以求出如下：(二)由VAR產(chǎn)生脈沖響應(yīng)函數(shù)從VAR工具欄中選擇ImpulseResponse,得到的對話框，有兩個菜單：1. Display菜單提供下列選項：DisplayFormat選擇以圖或表來顯示結(jié)果。DisplayInformation:輸入希望產(chǎn)生擾動的變量和希望觀察其脈沖響應(yīng)的變量。為了顯示累計的響應(yīng)，需要選中AccumulateResponse。ResponseStandardErr0rbi供計算脈沖響應(yīng)標(biāo)準(zhǔn)誤差的選項。2. ImpulseDefinitio楮1單提

8、供了轉(zhuǎn)換脈沖的選項：(1) Residual-OneUni破置一單位殘差的沖擊。(2) Residual-OneStd.Dev置殘差的一單位標(biāo)準(zhǔn)偏差的沖擊。(3)CholeskyRfl正交于脈沖的Cholesk泅子的殘差協(xié)方差矩陣的逆。d.f.adjustment在估計的殘差協(xié)'方差矩陣除以Cholesky因子時進(jìn)行小樣本的自由度修正。nod.f.adjustment在估計的殘差協(xié)方差矩陣除以CholeskyH子時不進(jìn)行小樣本的自由度修正。(4)GeneralizedImpluse描述Pesara吊口Shin(1998)勾建的不依賴于VAR中等式的次序的正交的殘差矩陣。(5)Struc

9、turalDecomposition®結(jié)構(gòu)因子分解矩陣估計的正交轉(zhuǎn)換矩陣。6.UserSpecified這個選項中允許自己定義沖擊。§ 20.5 差分解脈沖響應(yīng)函數(shù)描述的是VAR中的一個內(nèi)生變量的沖擊給其他內(nèi)生變量所帶來的影響。而方差分解是把內(nèi)生變量中的變化分解為對VAR的分量沖擊。因此，方差分解給出對VAR中的變量產(chǎn)生影響的每個隨機(jī)擾動的相對重要性的信息。一、方差分解的基本思路(20.12)式中各括號()中的內(nèi)容是第j個擾動項從無限過去到現(xiàn)在時點對第i個變量影響的總和。求其方差，因為無序列相關(guān)，故j=1,2,.,k(20.17)這是把第j個擾動項對第i個變量的從無限過去到

10、現(xiàn)在時點的影響，用方差加以評價的結(jié)果。此處還假定擾動項向量的協(xié)方差矩陣是對角矩陣。于是的方差是上述方差的k項簡單和(20.19)的方差可以分解成k種不相關(guān)的影響，因此為了測定各個擾動相對的方差有多大程度的貢獻(xiàn)，定義了RVC(RelativeVarianceContributi。n(相對方差貢獻(xiàn)率)，根據(jù)第j個變量基于沖擊的方差對的方差的相對貢獻(xiàn)度來作為觀測第j個變量對第i個變量影響的尺度。實際上，不可能用直到5=8的來評價，只需有限的s項。i,j=1,2；,k(20.22)如果大時，意味著第j個變量對第i個變量的影響大，相反地，小時，可以認(rèn)為第j個變量對第i個變量的影響小。二、如何由VAR計算

11、方差分解從VAR的工具欄中選View/Variancedecomposition®。應(yīng)當(dāng)提供和上面的脈沖響應(yīng)函數(shù)一樣的信息。§ 20.6 VAR過程在這里僅就對VAR是唯一的過程進(jìn)行討論。MakeSysterm產(chǎn)生一個包括等同于VAR詳細(xì)定義的對象。ByVariable選項產(chǎn)生一個系統(tǒng)，其詳細(xì)的說明和系數(shù)的顯示是以變量的次序來顯示。ByLag產(chǎn)生一個以滯后數(shù)的次序來顯示其詳細(xì)的說明和系數(shù)的系統(tǒng)。§ 20.7 量誤差修正及協(xié)整理論Engle和Granger（1987a）指出兩個或多個非平穩(wěn)時間序列的線性組合可能是平穩(wěn)的。假如這樣一種平穩(wěn)的或的線性組合存在，這些非平穩(wěn)

12、（有單位根）時間序列之間被認(rèn)為是具有協(xié)整關(guān)系的。這種平穩(wěn)的線性組合被稱為協(xié)整方程且可被解釋為變量之間的長期均衡關(guān)系。向量誤差修正模型（VE。是一個有約束的VAR模型，并在解釋變量中含有協(xié)整約束，因此它適用于已知有協(xié)整關(guān)系的非平穩(wěn)序列。當(dāng)有一個大范圍的短期動態(tài)波動時，VEC表達(dá)式會限制內(nèi)生變量的長期行為收斂于它們的協(xié)整關(guān)系。因為一系列的部分短期調(diào)整可以修正長期均衡的偏離，所以協(xié)整項被稱為是誤差修正項。一個簡單的例子：考慮一個兩變量的協(xié)整方程并且沒有滯后的差分項。協(xié)整方程是：且VEC是：在這個簡單的模型中，等式右端唯一的變量是誤差修正項。在長期均衡中，這一項為0。然而，如果在上一期偏離了長期均衡，

13、則誤差修系數(shù)代正項非零并且每個變量會進(jìn)行調(diào)整以部分恢復(fù)這種均衡關(guān)系表調(diào)整速度。如果兩個內(nèi)生變量和不含趨勢項并且協(xié)整方程有截距，則VEC有如下形式：另一個VEC表達(dá)式假設(shè)在序列中有線性趨勢并且在協(xié)整方程中有常數(shù)，因此它的形式如下：相似地，協(xié)整方程中可能有趨勢項，但在兩個VEC方程中沒有趨勢項。最后，如果在每個VEC等式的括號外存在線性趨勢項，那么序列中便存在著隱含的二次趨勢項。§ 20.8 整檢驗協(xié)整檢驗從檢驗的對象上可以分為兩種：一種是基于回歸系數(shù)的協(xié)整檢驗，如下面將要介紹的JohansenB整檢驗。另一種是基于回歸殘差的協(xié)整檢驗，如ADF檢驗。(一)ADF檢驗考慮k個變量的時間序列

14、，我們可以建立三種回歸方程:(20.(28)(20.(29)(20.(30)其中為擾動項。在EViews中執(zhí)行ADF協(xié)整檢驗，須先計算殘差，對進(jìn)行單位根檢驗，從而確定之間是否有協(xié)整關(guān)系。(二)Johansen、整檢驗協(xié)整檢驗的目的是決定一組非穩(wěn)定序列是否是協(xié)整的。考慮階數(shù)為p的VAR模型：(20.(31)其中，是一個含有非平穩(wěn)的I(1)變量的維向量；是一個確定的維的向量，是擾動向量。我們可把VAR重寫為以下形式：(20.(32)其中：，(20.33)Granger定理指出：如果系數(shù)矩陣口的秩，那么存在階矩陣和，它們的秩都是，使得，并且是穩(wěn)定的。其中是協(xié)整關(guān)系的數(shù)量(協(xié)整秩)并且的每列是協(xié)整向量

15、。正如下面解釋，中的元素是向量誤差修正模型VEC中的調(diào)整參數(shù)。Johansen法是在無約束VAR的形式下估計矩陣，然后求出，從而檢驗出協(xié)整秩，(秩()，得出協(xié)整向量。為了完成協(xié)整檢驗，從VAR或組的工具欄中選擇View/CointegrationTest即可EViews對Johansen慮的下面五種可能的決定趨勢形式提供了檢驗(1)序列y沒有確定趨勢，協(xié)整方程沒有截距：:(2)序列y沒有確定趨勢，協(xié)整方程有截距：:(3)序列y有線性趨勢，協(xié)整方程僅有截距：:(4)序列y和協(xié)整方程都有線性趨勢：:(5)序列y有二次趨勢且協(xié)整方程有線性趨勢：:Johansen協(xié)整檢驗結(jié)果的解釋：表中第一部分的報告

16、結(jié)果檢驗了協(xié)整關(guān)系的數(shù)量，并以兩種檢驗統(tǒng)計量的形式顯示：第一種檢驗結(jié)果是所謂的跡統(tǒng)計量，列在第一個表格中：第二種檢驗結(jié)果是最大特征值統(tǒng)計量；列在第二個表格中。對于每一個檢驗結(jié)果，第一列顯示了在原假設(shè)成立條件下的協(xié)整關(guān)系數(shù)；第二列是(20.32)式中矩陣按由大到小排序的特征值；第三列是跡檢驗統(tǒng)計量或最大特征值統(tǒng)計量；最后兩列分別是在5對口1%水平下的臨界值。在跡統(tǒng)計量的輸出中檢驗原假設(shè)是有r個協(xié)整關(guān)系，而不是k個協(xié)整關(guān)系，其中k是內(nèi)生變量的個數(shù)，r=0,1,，k-1。對原假設(shè)是有r個協(xié)整關(guān)系的跡統(tǒng)計量是按如下的方法計算的:其中是（20.32）式中矩陣的第i個最大特征值，在輸出表的第二列顯示。最大

17、特征值統(tǒng)計量的檢驗結(jié)果表，它所檢驗的原假設(shè)是有r個協(xié)整關(guān)系，反之，有r+1個協(xié)整關(guān)系。統(tǒng)計量是按下面的方法計算的：（20.35）§20.10向量誤差修正模型（VEC的估計VEC模型是一種受約束的VAR模型，是用已知協(xié)整的非穩(wěn)定序列來定義的。（一）如何估計VE6I型為建立一個VEG擊VAR工具欄中的Estimate然后從VAR/VECSpecificatio滸選擇VectorErrorCorrection®。在VAR/VECSpecificatio值中，應(yīng)該提供與無約束的VAR相同的信息。VEC的估計分兩步完成：在第一步，從Johanse施用的協(xié)整檢驗估計協(xié)整關(guān)系；第二步，用

18、所估計的協(xié)整關(guān)系構(gòu)造誤差修正項，并估計包括誤差修正項作為回歸量的一階方差的VAR（二）VEC估計的輸出包括兩部分。第一部分輸出第一步從Johansen程序所得的結(jié)果。第二部分輸出從第一步之后以誤差修正項作為回歸量的一階差分的VARView/CointegrationGraph輸出在VEC中所用的被估計的協(xié)整關(guān)系的曲線。為了保存這些協(xié)整關(guān)系作為工作表中以命名的序列，用Proc/MakeCointegrationGroupfl可。第二十章向量自回歸和誤差修正模型聯(lián)立方程組的結(jié)構(gòu)性方法是用經(jīng)濟(jì)理論來建立變量之間關(guān)系的模型。但是，經(jīng)濟(jì)理論通常并不足以對變量之間的動態(tài)聯(lián)系提供一個嚴(yán)密的說明。并且，內(nèi)生變

19、量既可以出現(xiàn)在等式的左端又可以出現(xiàn)在等式的右端使得估計和推斷更加復(fù)雜。為解決這些問題產(chǎn)生了一種用非結(jié)構(gòu)性方法來建立各個變量之間關(guān)系的模型。就是這一章講述的向量自回歸模型（VectorAutoregression,VARA及向量誤差修正模型（VectorErrorCorrection,VEC的估計與分析。同時給出一些檢驗幾個非穩(wěn)定變量之間協(xié)整關(guān)系的工具。§20.1向量自回歸理論向量自回歸（VAR）常用于預(yù)測相互聯(lián)系的時間序列系統(tǒng)以及分析隨機(jī)擾動對變量系統(tǒng)的動態(tài)影響。VAR方法通過把系統(tǒng)中每一個內(nèi)生變量作為系統(tǒng)中所有內(nèi)生變量的滯后值的函數(shù)來構(gòu)造模型，從而回避了結(jié)構(gòu)化模型的需要。一個VAR

20、（p）模型的數(shù)學(xué)形式是：（20.1）這里是一個維的內(nèi)生變量，是一個維的外生變量。和是要被估計的系數(shù)矩陣。是擾動向量，它們相互之間可以同期相關(guān)，但不與自己的滯后值相關(guān)及不與等式右邊的變量相關(guān)。作為VAR的一個例子，假設(shè)工業(yè)產(chǎn)量（IP）和貨幣供應(yīng)量（M1）聯(lián)合地由一個雙變量的VAR模型決定，并且讓常數(shù)為唯一的外生變量。內(nèi)生變量滯后二階的VAR（2摸型是：其中，是要被估計的參數(shù)。也可表示成:§ 20.2 計VAR模型及估計輸出選擇Quick/EstimateVAR或者在命令窗口中鍵入var,并在出現(xiàn)對話框內(nèi)添入適當(dāng)?shù)男畔ⅲ? .選擇說明類型：UnrestrictedVAR無約束向量自回歸）

21、或者VectorErrorCorrection（向量誤差修正）2 .設(shè)置樣本區(qū)間。3 .在適當(dāng)編輯框中輸入滯后信息。這一信息應(yīng)被成對輸入：每一對數(shù)字描述一個滯后區(qū)間。4 .在相應(yīng)的編輯欄中輸入適當(dāng)?shù)膬?nèi)生及外生變量。§ 20.3 VAR視圖和過程在VAR窗口的View/LagStructured口View/ResidualTest菜單下將提供一系列的診斷視圖。（一）LagStructuref后結(jié)構(gòu)）1. ARRootsTable/Graph（AR!的圖表）2. PairwiseGrangerCausalityTests（Grang®果檢驗）Granger因果檢驗主要是用來檢驗

22、一個內(nèi)生變量是否可以作為外生變量對待。3. LagExclusionTests后排除檢驗）4. LagLengthCriteria（后長度標(biāo)準(zhǔn)）（二）ResidualTests!差檢驗）1.相關(guān)圖顯示VAR在指定的滯后數(shù)的條件下的被估計的殘差交叉相關(guān)圖（樣本自相關(guān)）。交叉相關(guān)圖能以三種形式顯示：（1）TabulatebyVariable（2）TabulatebyLag（3）Graph2 .自相關(guān)檢驗計算與指定階數(shù)所產(chǎn)生的殘差序列相關(guān)的多變量Q統(tǒng)計量，同時計算出Q統(tǒng)計量和調(diào)整后的Q統(tǒng)計量。在原假設(shè)是滯后期沒有序列相關(guān)的條件下，兩個統(tǒng)計量都近似的服從自由度為的統(tǒng)計量，其中p為滯后階數(shù)。3 .自相關(guān)

23、LM檢驗：計算與指定階數(shù)所產(chǎn)生的殘差序列相關(guān)的多變量LM檢驗4 .正態(tài)檢驗：計算J-B殘差正態(tài)檢驗的多變量范圍。5 .White異方差檢驗這些檢驗是針對系統(tǒng)方程的White's檢驗范圍，這個回歸檢驗是通過殘差序列每一個回歸量交叉項乘積的回歸來實現(xiàn)的，并檢驗回歸的顯著性。NoCrossTerm選項僅僅用于原始回歸量的水平和平方檢驗。WithCrossTerm蜒項包括被檢驗方程中原始回歸變量所有的非多余的交叉乘積。§20.4脈沖響應(yīng)函數(shù)（一）脈沖響應(yīng)函數(shù)方法對第個變量的沖擊不僅直接影響第個變量，并且通過VAR模型的動態(tài)結(jié)構(gòu)傳導(dǎo)給所有的其它內(nèi)生變量。脈沖響應(yīng)函數(shù)刻畫的是在一個擾動項

24、上加上一次性的一個沖擊，對內(nèi)生變量的當(dāng)前值和未來值所帶來的影響。設(shè)VAR(p膜型為(20.(9)這里是一個k維內(nèi)生變量向量，是方差為的擾動向量。的VMA(s)的表達(dá)式(20.(10)假如VAR(p可逆，的VMA的系數(shù)可以由VAR的系數(shù)得到。設(shè)，q=1,2,3:.，則y的第i個變量可以寫成：(20.12)其中k是變量個數(shù)。下面僅考慮兩個變量(k=2)的情形：現(xiàn)在假定在基期給一個單位的脈沖，即：12012345t由的脈沖引起的的響應(yīng)函數(shù)：因此，一般地，由對的脈沖引起的的響應(yīng)函數(shù)可以求出如下：(二)由VAR產(chǎn)生脈沖響應(yīng)函數(shù)從VAR工具欄中選擇ImpulseResponse,得到的對話框，有兩個菜單：

25、1. Display菜單提供下列選項：DisplayFormat選擇以圖或表來顯示結(jié)果。DisplayInformation:輸入希望產(chǎn)生擾動的變量和希望觀察其脈沖響應(yīng)的變量。為了顯示累計的響應(yīng)，需要選中AccumulateResponse。ResponseStandardErr0rbi供計算脈沖響應(yīng)標(biāo)準(zhǔn)誤差的選項。2. ImpulseDefinitio楮1單提供了轉(zhuǎn)換脈沖的選項：(1) Residual-OneUni破置一單位殘差的沖擊。(2) Residual-OneStd.Dev置殘差的一單位標(biāo)準(zhǔn)偏差的沖擊。(3)CholeskyRfl正交于脈沖的Cholesk泅子的殘差協(xié)方差矩陣的逆。

26、d.f.adjustment在估計的殘差協(xié)'方差矩陣除以Cholesky因子時進(jìn)行小樣本的自由度修正。nod.f.adjustment在估計的殘差協(xié)方差矩陣除以CholeskyH子時不進(jìn)行小樣本的自由度修正。(4)GeneralizedImpluse描述Pesara吊口Shin(1998)勾建的不依賴于VAR中等式的次序的正交的殘差矩陣。(5)StructuralDecomposition®結(jié)構(gòu)因子分解矩陣估計的正交轉(zhuǎn)換矩陣。6.UserSpecified這個選項中允許自己定義沖擊。§ 20.5 差分解脈沖響應(yīng)函數(shù)描述的是VAR中的一個內(nèi)生變量的沖擊給其他內(nèi)生變量所

27、帶來的影響。而方差分解是把內(nèi)生變量中的變化分解為對VAR的分量沖擊。因此，方差分解給出對VAR中的變量產(chǎn)生影響的每個隨機(jī)擾動的相對重要性的信息。一、方差分解的基本思路(20.12)式中各括號()中的內(nèi)容是第j個擾動項從無限過去到現(xiàn)在時點對第i個變量影響的總和。求其方差，因為無序列相關(guān)，故j=1,2,.,k(20.17)這是把第j個擾動項對第i個變量的從無限過去到現(xiàn)在時點的影響，用方差加以評價的結(jié)果。此處還假定擾動項向量的協(xié)方差矩陣是對角矩陣。于是的方差是上述方差的k項簡單和(20.19)的方差可以分解成k種不相關(guān)的影響，因此為了測定各個擾動相對的方差有多大程度的貢獻(xiàn)，定義了RVC(Relati

28、veVarianceContributi。n(相對方差貢獻(xiàn)率)，根據(jù)第j個變量基于沖擊的方差對的方差的相對貢獻(xiàn)度來作為觀測第j個變量對第i個變量影響的尺度。實際上，不可能用直到5=8的來評價，只需有限的s項。i,j=1,2；,k(20.22)如果大時，意味著第j個變量對第i個變量的影響大，相反地，小時，可以認(rèn)為第j個變量對第i個變量的影響小。二、如何由VAR計算方差分解從VAR的工具欄中選View/Variancedecomposition®。應(yīng)當(dāng)提供和上面的脈沖響應(yīng)函數(shù)一樣的信息。§ 20.6 VAR過程在這里僅就對VAR是唯一的過程進(jìn)行討論。MakeSysterm產(chǎn)生一

29、個包括等同于VAR詳細(xì)定義的對象。ByVariable選項產(chǎn)生一個系統(tǒng)，其詳細(xì)的說明和系數(shù)的顯示是以變量的次序來顯示。ByLag產(chǎn)生一個以滯后數(shù)的次序來顯示其詳細(xì)的說明和系數(shù)的系統(tǒng)。§ 20.7 量誤差修正及協(xié)整理論Engle和Granger（1987ai）指出兩個或多個非平穩(wěn)時間序列的線性組合可能是平穩(wěn)的。假如這樣一種平穩(wěn)的或的線性組合存在，這些非平穩(wěn)（有單位根）時間序列之間被認(rèn)為是具有協(xié)整關(guān)系的。這種平穩(wěn)的線性組合被稱為協(xié)整方程且可被解釋為變量之間的長期均衡關(guān)系。向量誤差修正模型（VE。是一個有約束的VAR模型，并在解釋變量中含有協(xié)整約束，因此它適用于已知有協(xié)整關(guān)系的非平穩(wěn)序列。

30、當(dāng)有一個大范圍的短期動態(tài)波動時，VEC表達(dá)式會限制內(nèi)生變量的長期行為收斂于它們的協(xié)整關(guān)系。因為一系列的部分短期調(diào)整可以修正長期均衡的偏離，所以協(xié)整項被稱為是誤差修正項。一個簡單的例子：考慮一個兩變量的協(xié)整方程并且沒有滯后的差分項。協(xié)整方程是：且VEC是：在這個簡單的模型中，等式右端唯一的變量是誤差修正項。在長期均衡中，這一項為0。然而，如果在上一期偏離了長期均衡，則誤差修正項非零并且每個變量會進(jìn)行調(diào)整以部分恢復(fù)這種均衡關(guān)系。系數(shù)代表調(diào)整速度。如果兩個內(nèi)生變量和不含趨勢項并且協(xié)整方程有截距，則VEC有如另一個VEC表達(dá)式假設(shè)在序列中有線性趨勢并且在協(xié)整方程中有常數(shù)，因此它的形式如下：相似地，協(xié)整

31、方程中可能有趨勢項，但在兩個VEC方程中沒有趨勢項。最后，如果在每個VEC等式的括號外存在線性趨勢項，那么序列中便存在著隱含的二次趨勢項。§ 20.8 整檢驗協(xié)整檢驗從檢驗的對象上可以分為兩種：一種是基于回歸系數(shù)的協(xié)整檢驗，如下面將要介紹的JohansenB整檢驗。另一種是基于回歸殘差的協(xié)整檢驗，如ADF檢驗。（一）ADF檢驗考慮k個變量的時間序列，我們可以建立三種回歸方程：(20.(28)(20.(29)(20.(30)其中為擾動項。在EViews中執(zhí)行ADF協(xié)整檢驗，須先計算殘差，對進(jìn)行單位根檢驗，從而確定之間是否有協(xié)整關(guān)系。(二)Johansen、整檢驗協(xié)整檢驗的目的是決定一組非穩(wěn)定序列是否是協(xié)整的?？紤]階數(shù)為p的VAR模型：(20.(31)其中，是一個含有非平穩(wěn)的I(1)變量的維向量；是一個確定的維的向量，是擾動向量。我們可把VAR重寫為以下形式：(20.(32)其中：，(20.33)Granger定理指出：如果系數(shù)矩陣口的秩，那么存在階矩陣和，它們的秩都是，使得，并且是穩(wěn)定的。其中是協(xié)整關(guān)系的數(shù)量(協(xié)整秩)并且的每列是協(xié)整向量。正如下面解釋，中的元素是向量誤差修正模型VEC中的調(diào)整參數(shù)。Johansen法是在無約束VAR的形式下估計矩陣，然后求出