第8讲VAR模型课堂课件

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,.,1,第,8,讲,VAR,模型,.1第8讲VAR模型,.,2,一、向量自回归模型,?,实验基本原理,.2一、向量自回归模型?实验基本原理,.,3,.3,.,4,.4,.,5,.5,.,6,?,实验内容及数据来源,?,我们知道，收入、投资和消费相互影响，我们想要对这三个变量同时,进行预测，可以采用,VAR,模型进行拟合。本书附带光盘的,data,文件夹,的“,iic,”工作文件给出了,1960,年到,1984,年的一些宏观经济数据，主要,变量包括：,inv=,投资，,inc=,收入，,consump=,消费，,qtr=,季度，,ln_inv=,投资的对数，,dln_inv=ln_inv,的一阶差分，,ln_inc=,收入的对数，,dln_inc=ln_inc,的一阶差分，,ln_ consump=,消费的对数，,dln_,consump=ln_ consump,的一阶差分。,?,利用这些数据，我们来讲解,VAR,模型阶数的确定、,VAR,模型的拟合、,模型的平稳性检验、残差的自相关和正态性检验、脉冲响应与方差分,解的作图以及模型的预测。,.6?实验内容及数据来源?我们知道，收入、投资和消费相互影响,.,7,?,实验操作指导,?,1,模型定阶,.7?实验操作指导?1 模型定阶,.,8,.8,.,9,.9,.,10,?,对于“,iic,”的数据，因为我们要拟合投资、收入、消,费的对数差分变量的,VAR,模型，所以，我们可以通过,如下命令来确定模型阶数：,?,varsoc dln_inv dln_inc dln_consump,?,命令中，,varsoc,表示进行确定模型阶数的操作，,dln_inv,、,dln_inc,、,dln_consump,为待拟合的,VAR,模型,的内生变量名。,.10?对于“iic”的数据，因为我们要拟合投资、收入、消费,.,11,?,2 VAR,回归的操作,.11?2 VAR回归的操作,.,12,?,利用“,iic,”的数据，我们进行,VAR,模型的拟合。键入命令：,?,var dln_inv dln_inc dln_consump,?,命令中，,var,表示进行,VAR,模型的拟合，,dln_inv,、,dln_inc,、,dln_consump,为各内生变量名。这里，我们没有设定滞后阶数，,即使用默认的设置，在模型行中使用各变量的,1,阶滞后和,2,阶滞,后值。,.12?利用“iic”的数据，我们进行VAR模型的拟合。键入,.,13,?,在估计完模型之后，可以对回归结果进行保存，输入命令：,?,est store var1,?,其中，“,est store,”是对结果进行保存的基本命令。这里，,我们将保存是结果命名为,var1,。之后，如果要进行模型阶,数选择或平稳性检验等，就可以用这个结果。,?,例如，我们要在回归之后再对模型的滞后阶数重新估计，,可输入命令：,?,varsoc,estimates(var1),?,这里，选项,estimates(var1),表示对之前存储的拟合结果,var1,进行滞后阶数选择。事实上，因为我们刚刚进行完,VAR,模,型的拟合，不加选项我们也可以得到相同的结果。,.13?在估计完模型之后，可以对回归结果进行保存，输入命令：,.,14,?,3,格兰杰因果关系检验,.14?3 格兰杰因果关系检验,.,15,?,事实上，对于,vargranger,所做的检验，我们可以通过,test,命令来实现，只不过稍微麻烦些。对于本例中，,我们要检验第,1,个方程中,dln_inc,是否为,dln_inv,的格兰,杰因，可通过如下命令实现：,?,test dln_invL.dln_inc dln_invL2.dln_inc,?,其中，,dln_invL.dln_inc,表示方程,dln_inv,中,dln_inc,的,1,期滞后值的系数，,dln_invL2.dln_inc,表示方程,dln_inv,中,dln_inc,的,2,期滞后值的系数，该命令即检验,这两个系数是否联合为,0,。,.15?事实上，对于vargranger所做的检验，我们可以,.,16,?,4 VAR,模型的平稳性检验,?,要检验先前拟合的,VAR,模型的平稳性，我们可以键入命令：,?,varstable,graph,?,其中，选项,graph,表明，我们会同时得到伴随矩阵特征值的作图。,.16?4 VAR模型的平稳性检验?要检验先前拟合的VAR,.,17,?,5,模型的残差自相关性检验,?,对前面拟合的,VAR,模型进行残差自相关检验，我们输入命令：,?,varlmar,mlag(5),?,其中，,mlag(5),表示最大滞后期为,5,。,.17?5 模型的残差自相关性检验?对前面拟合的VAR模型,.,18,?,6,模型残差的正态性检验,.18?6 模型残差的正态性检验,.,19,?,7,带外生变量的,VAR,模型,?,在前面的,VAR,模型中我们看到，,dln_inv,方程各变量的,系数联合不显著。考虑一个,dln_inc,和,dln_consump,的,两变量,VAR,模型，并将,dln_inv,作为外生变量来处理。,输入命令：,?,var dln_inc dln_consump,exog(dln_inv),?,其中，选项,exog(dln_inv),表示将,dln_inv,作为外生变量,加入模型中。,.19?7 带外生变量的VAR模型?在前面的VAR模型中我,.,20,?,8,带约束的,VAR,模型,?,在我们前面对,dln_inv,、,dln_inc,和,dln_consump,做的,VAR(3),模型,中，方程,dln_inv,的系数联合不显著。这样，观察各系数的,p,值，,我们考虑约束方程,dln_inv,中,L2.dln_inc,的系数和方程,dln_inc,中,L2.dln_consump,的系数为,0,。定义约束的命令为：,?,constraint 1 dln_invL2.dln_inc=0,?,constraint 2 dln_incL2.dln_consump=0,?,这里，引用系数的格式为“,方程名,变量名”，其中，方程名为,结果最左侧的一列黑体所显示的。,?,下面，我们进行带约束的,VAR,模型拟合，命令为：,?,var dln_inv dln_inc dln_consump,lutstats dfk constraints(1 2),?,这里，我们选择汇报,Lutkepohl,的滞后阶数选择统计量，并对自,由度进行小样本的调整（选项,dfk,）。,.20?8 带约束的VAR模型?在我们前面对dln_inv,.,21,?,9,脉冲响应与方差分解,?,我们在拟合模型“,var dln_inv dln_inc dln_consump,”之后，要进行,irf,系列分析，需要,先激活,irf,文件，可键入命令：,?,irf set results1,.21?9 脉冲响应与方差分解?我们在拟合模型“var d,.,22,.22,.,23,?,我们要对前面拟合的,VAR,模型的,irf,系列函数进行估计，,并将其用名称,var1,来标识。输入命令：,?,irf create var1,?,这样，,irf,系列结果就被保存到文件“,results1.irf,”中。,.23?我们要对前面拟合的VAR模型的irf系列函数进行估计,.,24,.24,.,25,?,其中，如果不设定选项,irf(irfnames),，,stata,将对活动的,irf,文件中所有,保存的,irf,结果作图。如果不设定选项,impulse(),和,response(),，,stata,将,对脉冲变量和响应变量的所有组合作图。此外，选项,iname(),和,isaving(),只有在设定选项,individual,后才可用。,?,如果我们想看一下,dln_consump,如何对,dln_inv,、,dln_inc,和,dln_consump,的冲击做出反应，我们可以通过如下命令实现：,?,irf graph oirf,irf(var1)response(dln_consump),?,其中，,oirf,表明我们要绘制正交的脉冲响应函数，选项,irf(var1),表明我,们对,var1,标识的结果进行绘图，,response(),设定响应变量为,dln_consump,。,.25?其中，如果不设定选项irf(irfnames)，s,.,26,.26,.,27,?,（,4,）,irf,作表,?,要用表格的方式展示,IRF,、动态乘子函数以及,FEVD,等，可以通过如下命令实,现：,?,irf table stat,options,?,其中，可用的统计量,stat,与,irf graph,相同。如果不设定,stat,，则所有的统计量都,将被汇报。可用的选项包括与,irf graph,相同的,set(filename),、,irf(irfnames),、,impulse(impulsevar),、,response(endogvars),、,individual,、,level(#),、,noci,。此,外，还可以使用选项,title(,“,text,”,),为表格设定标题。,?,如果我们想要对,Cholesky,分解中内生变量不同排序时的,irf,系列函数值列表比较，,可以通过如下命令实现：,?,irf create ordera,order(dln_inc dln_inv dln_consump),?,irf table oirf fevd,irf(var1 ordera)impulse(dln_inc)response(dln_consump),noci std title(Ordera versus var1),?,其中，第一句命令为对,irf,结果重新估计，设定,Cholesky,分解中内生变量的顺序,为,dln_inc dln_inv dln_consump,。而在之前估计的结果,var1,中，内生变量的顺,序即为默认的估计,VAR,模型时内生变量的顺序。第二句命令对两次结果进行做,表，表中将给出正交的脉冲响应函数（,oirf,）和,Cholesky,预测误差方差分解,（,fevd,），脉冲变量为,dln_inc,，响应变量为,dln_consump,。选项,irf(var1,ordera),表示对,var1,和,ordera,标识的估计结果进行做表，,noci,表示不显示置信区,间，,std,表明显示标准差，,title(,“,Ordera versus var1,”,),为表格命名为,“,Ordera,versus var1,”,。,.27?（4）irf作表?要用表格的方式展示IRF、动态乘子,.,28,?,对于前面,irf,和,fevd,的做表，我们还可以通过如下命令实现：,?,irf ctable(var1 dln_inc dln_consump oirf fevd)(ordera dln_inc,dln_consump oirf fevd),noci std title(Ordera versus var1),?,这样，我们可以得到与前面相同的结果。,?,如果我们想将两种,Cholesky,排序下的脉冲响应放到一个图中，可以通,过如下命令实现：,?,irf ograph(var1 dln_inc dln_consump oirf)(ordera dln_inc,dln_consump oirf),.28?对于前面irf和fevd的做表，我们还可以通过如下命,.,29,?,10,基本,VAR,模型的拟合与绘图,.29?10 基本VAR模型的拟合与绘图,.,30,?,11 VAR,模型的预测,.30?11 VAR模型的预测,.