VAR模型与Granger因果检验

VAR模型与Granger因果检验单一方程时间序列模型探讨的是单个变量的动态规律性，但在现实经济分析中，经常会面对由多个变量构成的系统，而这些变量之间通常具有关联性。因此，在一个经济系统中，一个变量的变化不仅会与其自身滞后值有关，还会与其它变量滞后值有关。这就需要把单变量自回归模型推广到多变量自回归模型，即VAR模型。一、向量自回归(VAR)模型向量自回归模型是Sims(vectorautoregressivemodel)在1980年提出的。这种模型采用多方程联立的形式，它不以经济理论为基础，在模型的每一个方程中，内生变量对模型的全部内生变量的滞后值进行回归，从而估计全部内生变量的动态关系。(一)VAR模型的定义VAR模型是自回归模型的联立形式，所以称向量自回归模型。假设y1t，y2t之间存在关系，如果分别建立两个自回归模型y1,t=f(y1,t-1,y1,t-2,)y2,t=f(y2,t-1,y2,t-2,)则无法捕捉两个变量之间的关系。如果采用联立的形式，就可以建立起两个变量之间的关系。VAR模型的结构与两个参数有关。一个是所含变量个数N,个是最大滞后阶数k。以两个变量y1t，y2t滞后1期的VAR模型为例，|yi,t=1+兀11.1yi,t-1+兀12.1y2,t-1+U1ty2,t=2+兀21.1y1,t-1+兀22.1y2,t-1+U2t(4.1.1)其中u1t,u2t，IID(0,c2),Cov(u1t,u2t)=0。写成矩阵形式是,y1t=1+兀Ly2tLL2L11.1L21.1兀12.1兀22.1Ly2,t-1y1,t-1u1t(4.1.2)2t设，Yty1ty2t兀兀11.112.1兀兀-21.122.1,utu1tU2t则，=卩+口1E-1+u那么，含有N个变量滞后k期的VAR模型表示如下:(4.1.3)Yt=卩+口Yt-1+口2Yt-2+耳Yt-k+u叫IID(0,O)(4丄4)冗11J冗12.j冗1N.jnj=j冗21.j冗22.j冗2N.jMM0M冗N1.j冗N2.j1.36)=0.19316图示如下：P（F23.44）=0.00000因为F值（1.36）落在原假设接受域，所以原假设“上海股票价格综合指数对深圳股票价格综合指数不存在Granger因果关系”被接受。因为F值（23.44）落在原假设拒绝域，所以原假设“深圳股票价格综合指数对上海股票价格综合指数不存在Granger因果关系”被推翻。用滞后1.10期的检验式分别检验，结论都是深圳股票价格综合指数是上海股票价格综合指数变化的原因，但上海股票价格综合指数不是深圳股票价格综合指数变化的原因，EViews操作方法是，打开数剧组窗口，点View键，选GrangerCausility。在打开的对话窗口中填上滞后期（下面的结果取滞后期为10。），点击OK键。VAR模型的EViews估计步骤。点击Quick,选EstimateVAR功能。订EViewsFileEditObjectsViewProcsQuickOptionsWindowHelpSample.GenerateSeries.Show.Grpli.EmptGroup(EditSeries)SeriesStatisti匸s卜StatisticsEstimateEquation.|EstimateVAR.Date:12/08/02Time:22:17Sample(adjusted):19651997Includedobservations:43afteradjustingendpointsStandarderrors&t-statisticsinparenthesesLNGPLNCPLNIPLNGP(-1)1.772238(0.37901)(4.67595)0.549233(0.24003)(2.28821)3.5S6650(1.42586)(2.51543)LNGP(-2)-1.32G073(D.30458)(-3.44809)-0.375297(D.24356)(-1.54091)-5.159977(1.44602)(-3.56643)LNCP(-1)-0.257650(0.35187)(-073223)0.899958(0.22284)(4.03862)-2.463574(1.32375)(-1.66106)LNCP(-2)0.968210(0.34647)(277647)0.016225(0.22068)p.07362)4.652447(1.31096)(3.47261)