資源描述：
《在Eviews中驗證VAR模型的方法》由會員上傳分享，免費在線閱讀，更多相關內容在行業(yè)資料-天天文庫。
1、在Eviews中驗證VAR模型的方法稻草人穎一、平穩(wěn)性檢驗（一）背景知識數據變量的平穩(wěn)性是傳統(tǒng)的計量經濟分析的基本要求之一。只有模型中的變量滿足平穩(wěn)性要求時，傳統(tǒng)的計量經濟分析方法才是有效的。而在模型中含有非平穩(wěn)時間序列式，基于傳統(tǒng)的計量經濟分析方法的估計和檢驗統(tǒng)計計量將失去通常的性質，從而推斷得出的結論可能是錯誤的。因此，在建立模型之前有必要檢驗數據的平穩(wěn)性。這就是平穩(wěn)性檢驗。常見的數據類型?時間序列數據（time-seriesdata)；?截面數據(cross-sectionaldata)；?平
2、行/面板數據（paneldata/time-seriescross-sectiondata)；經典回歸分析暗含著一個重要假設：數據是平穩(wěn)的；數據非平穩(wěn)，往往導致出現(xiàn)“虛假回歸”。故：時間序列首先遇到的問題就是平穩(wěn)性的問題。（二）操作步驟注：進行操作的數首先需要進行取對數的處理。(1)File——New——Workfile。1(2)選擇Ustructured/Undated，在Observations里輸入數據量數——OK。(3)Quick——EmptyGroup——復制并粘貼數據——關閉。2(4)選
3、擇需要進行平穩(wěn)性檢驗的單個變量——右鍵Open——View——UnitRootTest——AugmentedDickey-Fuller——OK。3(5)查看結果。如果Prob的值大于0.05（或者0.1），或者1%、5%、10%水平下的臨界值小于假設的AugmentedDickey-Fuller的值，則說明不能拒絕原假設，說明不平穩(wěn)。反之，則拒絕原假設，說明平穩(wěn)。為了得到的平穩(wěn)的結果，如果第一次檢驗不平穩(wěn)，可以嘗試使用一階差分，如若再不平穩(wěn)，使用二階差分，以此類推，直到得到平穩(wěn)的結果為止。4二、協(xié)整
4、性檢驗（一）背景知識協(xié)整即存在共同的隨機性趨勢。協(xié)整檢驗的目的是決定一組非平穩(wěn)序列的線性組合是否具有穩(wěn)定的均衡關系，偽回歸的一種特殊情況即是兩個時間序列的趨勢成分相同，此時可能利用這種共同趨勢修正回歸使之可靠。正是由于協(xié)整傳遞出了一種長期均衡關系，若是能在看來具有單獨隨機性趨勢的幾個變量之間找到一種可靠聯(lián)系，那么通過引入這種醉漢與狗之間距離的“相對平穩(wěn)”對模型進行調整，可以排除單位根帶來的隨機性趨勢，即所稱的誤差修正模型。在進行時間系列分析時，傳統(tǒng)上要求所用的時間系列必須是平穩(wěn)的，即沒有隨機趨勢或確
5、定趨勢，否則會產生“偽回歸”問題。但是，在現(xiàn)實經濟中的時間系列通常是非平穩(wěn)的，我們可以對它進行差分把它變平穩(wěn)，但這樣會讓我們失去總量的長期信息，而這些信息對分析問題來說又是必要的，所以用協(xié)整來解決此問題。5（二）操作步驟(1)導入數據。方法同平穩(wěn)性檢驗的步驟(1)(2)。(2)選擇需要進行協(xié)整檢驗的相關變量——OpenasGroup。(3)點擊View，選擇CointegrationTest，默認值，最后點擊“確定”。6(4)查看結果。查看至少存在幾個的協(xié)整關系，并保證其Prob值小于0.05（或者
6、0.1），然后才可進行Granger因果關系檢驗。7三、Granger因果關系檢驗（一）背景知識協(xié)整檢驗說明變量之間存在長期均衡關系,但是否構成因果關系,還需要進一步檢驗。如果變量X有助于預測Y,即根據Y的過去值對Y進行回歸時,如果再加上X的過去值,能夠顯著地增強回歸的解釋能力,則稱X是Y的Granger原因,否則稱為非Granger原因。其檢驗模型為：比較F統(tǒng)計量與臨界值的大小即可得檢驗結果。如果F大于臨界值就拒絕零假設H0:x是y的Granger原因,若F小于臨界值,則不能拒絕零假設:這就意味著
7、x不是y的“Granger原因”。（二）操作步驟(1)導入數據。方法同平穩(wěn)性檢驗的步驟(1)(2)。(2)選擇需要進行協(xié)整檢驗的相關變量——OpenasGroup。(3)點擊View，選擇GanderCausality，默認值，最后點擊“確定”。8(4)查看結果。如果Prob的值大于0.05（或者0.1），則說明其兩者之間存在因果關系，否則則不存在因果關系。9四、VAR模型（一）背景知識向量自回歸模型簡稱VAR模型，是一種常用的計量經濟模型，1980年由克里斯托弗·西姆斯（ChristopherSi
8、ms）提出。VAR模型是用模型中所有當期變量對所有變量的若干滯后變量進行回歸。VAR模型用來估計聯(lián)合內生變量的動態(tài)關系，而不帶有任何事先約束條件。它是AR模型的推廣，此模型目前已得到廣泛應用。向量自回歸(VAR)是基于數據的統(tǒng)計性質建立模型，VAR模型把系統(tǒng)中每一個內生變量作為系統(tǒng)中所有內生變量的滯后值的函數來構造模型，從而將單變量自回歸模型推廣到由多元時間序列變量組成的“向量”自回歸模型。VAR模型是處理多個相關經濟指標的分析與預測最容易操作的模型之一，并且在一定的
