在Eviews中验证VAR模型的方法

1在EviewsEviewsEviewsEviews中验证VARVARVARVAR模型的方法稻草人颖一、平稳性检验（一）背景知识（一）背景知识（一）背景知识（一）背景知识数据变量的平稳性是传统的计量经济分析的基本要求之一。只有模型中的变量满足平稳性要求时，传统的计量经济分析方法才是有效的。而在模型中含有非平稳时间序列式，基于传统的计量经济分析方法的估计和检验统计计量将失去通常的性质，从而推断得出的结论可能是错误的。因此，在建立模型之前有必要检验数据的平稳性。这就是平稳性检验。常见的数据类型•时间序列数据（time-seriesdata)；•截面数据(cross-sectionaldata)；•平行/面板数据（paneldata/time-seriescross-sectiondata)；经典回归分析暗含着一个重要假设：数据是平稳的；数据非平稳，往往导致出现“虚假回归”。故：时间序列首先遇到的问题就是平稳性的问题。（二）操作步骤（二）操作步骤（二）操作步骤（二）操作步骤注：进行操作的数首先需要进行取对数的处理。(1)File——New——Workfile。2(2)选择Ustructured/Undated，在Observations里输入数据量数——OK。(3)Quick——EmptyGroup——复制并粘贴数据——关闭。3(4)选择需要进行平稳性检验的单个变量——右键Open——View——UnitRootTest——AugmentedDickey-Fuller——OK。4(5)查看结果。如果Prob的值大于0.05（或者0.1），或者1%、5%、10%水平下的临界值小于假设的AugmentedDickey-Fuller的值，则说明不能拒绝原假设，说明不平稳。反之，则拒绝原假设，说明平稳。为了得到的平稳的结果，如果第一次检验不平稳，可以尝试使用一阶差分，如若再不平稳，使用二阶差分，以此类推，直到得到平稳的结果为止。5二、协整性检验（一）背景知识（一）背景知识（一）背景知识（一）背景知识协整即存在共同的随机性趋势。协整检验的目的是决定一组非平稳序列的线性组合是否具有稳定的均衡关系，伪回归的一种特殊情况即是两个时间序列的趋势成分相同，此时可能利用这种共同趋势修正回归使之可靠。正是由于协整传递出了一种长期均衡关系，若是能在看来具有单独随机性趋势的几个变量之间找到一种可靠联系，那么通过引入这种醉汉与狗之间距离的“相对平稳”对模型进行调整，可以排除单位根带来的随机性趋势，即所称的误差修正模型。在进行时间系列分析时，传统上要求所用的时间系列必须是平稳的，即没有随机趋势或确定趋势，否则会产生“伪回归”问题。但是，在现实经济中的时间系列通常是非平稳的，我们可以对它进行差分把它变平稳，但这样会让我们失去总量的长期信息，而这些信息对分析问题来说又是必要的，所以用协整来解决此问题。6（二）操作步骤（二）操作步骤（二）操作步骤（二）操作步骤(1)导入数据。方法同平稳性检验的步骤(1)(2)。(2)选择需要进行协整检验的相关变量——OpenasGroup。(3)点击View，选择CointegrationTest，默认值，最后点击“确定”。7(4)查看结果。查看至少存在几个的协整关系，并保证其Prob值小于0.05（或者0.1），然后才可进行Granger因果关系检验。8三、GrangerGrangerGrangerGranger因果关系检验（一）背景知识（一）背景知识（一）背景知识（一）背景知识协整检验说明变量之间存在长期均衡关系,但是否构成因果关系,还需要进一步检验。如果变量X有助于预测Y,即根据Y的过去值对Y进行回归时,如果再加上X的过去值,能够显著地增强回归的解释能力,则称X是Y的Granger原因,否则称为非Granger原因。其检验模型为：比较F统计量与临界值的大小即可得检验结果。如果F大于临界值就拒绝零假设H0:x是y的Granger原因,若F小于临界值,则不能拒绝零假设:这就意味着x不是y的“Granger原因”。（二）操作步骤（二）操作步骤（二）操作步骤（二）操作步骤(1)导入数据。方法同平稳性检验的步骤(1)(2)。(2)选择需要进行协整检验的相关变量——OpenasGroup。(3)点击View，选择GanderCausality，默认值，最后点击“确定”。9(4)查看结果。如果Prob的值大于0.05（或者0.1），则说明其两者之间存在因果关系，否则则不存在因果关系。10四、VARVARVARVAR模型（一）背景知识（一）背景知识（一）背景知识（一）背景知识向量自回归模型简称VAR模型，是一种常用的计量经济模型，1980年由克里斯托弗·西姆斯（ChristopherSims）提出。VAR模型是用模型中所有当期变量对所有变量的若干滞后变量进行回归。VAR模型用来估计联合内生变量的动态关系，而不带有任何事先约束条件。它是AR模型的推广，此模型目前已得到广泛应用。向量自回归(VAR)是基于数据的统计性质建立模型，VAR模型把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。VAR模型是处理多个相关经济指标的分析与预测最容易操作的模型之一，并且在一定的条件下，多元MA和ARMA模型也可转化成VAR模型。（二）操作步骤（二）操作步骤（二）操作步骤（二）操作步骤(1)导入数据。方法同平稳性检验的步骤(1)(2)。(2)选择需要进行协整检验的相关变量——OpenasVAR——默认——确定。11(3)(3)(3)(3)结果分析。12(4)View——LagStructure——ARRootsGraph——确定。结果分析：如果VAR模型的单位根全部落在单位圆内，则说明VAR模型稳定，可以对VAR模型进行一个标准差的脉冲响应函数分析。13(5)View——ImpulseResponse（脉冲响应）——选择因变量和自变量——确定。14结果分析：主要查看蓝色是否是趋于平衡，以及波动是正相关还是负相关。