向量误差修正模型.ppt

上传人:小飞机 文档编号:6222627 上传时间:2023-10-06 格式:PPT 页数:31 大小:263KB
返回 下载 相关 举报
向量误差修正模型.ppt_第1页
第1页 / 共31页
向量误差修正模型.ppt_第2页
第2页 / 共31页
向量误差修正模型.ppt_第3页
第3页 / 共31页
向量误差修正模型.ppt_第4页
第4页 / 共31页
向量误差修正模型.ppt_第5页
第5页 / 共31页
点击查看更多>>
资源描述

《向量误差修正模型.ppt》由会员分享,可在线阅读,更多相关《向量误差修正模型.ppt(31页珍藏版)》请在三一办公上搜索。

1、,10.4 向量误差修正模型(VECM)10.4.1 VECM的表达形式 对于含有n个变量的VAR模型,当对应的矩阵 的秩介于0和n之间的时候,即,这n个变量之间存在 个协整关系。让我们定义一个 维的矩阵B,其中B的列含有 个不同的线性独立协整向量,所以。,从长期来看,即所谓的均衡状态或者静止状态,这样的关系精确地存在,所以在长期,我们有:然而,从短期来看,例如对于每个确定的时刻t,都存在偏离协整关系 的成分。这种偏离代表了这些长期关系在短期内的一定程度的非均衡状态,所以偏离成分一般被称为误差。,因此,促使 增加或者减少,从而使得 朝着它的长期均值移动(长期均值为0,为什么?)。这种增加或者减

2、小的变化,实际上是一种调整,所以称为误差修正。因为这里我们研究的对象是VAR模型,所以VECM的名字由此而来。,根据定义,矩阵A衡量了 中每个变量是如何调整,从而回复到长期的均衡关系的水平上。所以,矩阵A经常被称为调整系数。另外,在实践中,经常对协整向量B进行标准化。,10.4.2 VECM模型的演示1)两个变量的VAR(1)模型的VECM,因此,促使 增加或者减少,从而使得 朝着它的长期均值移动(长期均值为0,为什么?)。这种增加或者减小的变化,实际上是一种调整,所以称为误差修正。,10.4.2 VECM模型的演示1)两个变量的VAR(1)模型的VECM,这样,本例中的VAR模型对应的VEC

3、M形式就可以写成:(10.48)或者写成:(10.49),2)3个变量的VAR(1)模型与VECM VAR模型的ADF形式,即:或者写成:(10.50),从最简单的协整情况开始,如果在这三个变量存在一个协整关系,即,那么平稳的线性组合可以写成:(10.51)根据定义,就是一个一维的随机变量,协整向量(标准化了的形式)。,调整系数矩阵A就是一个 的向量,从而对应的VECM形式可以写成:(10.52),10.5 确定性趋势与协整分析 在VAR模型中是否包含常数项,可以影响到协整检验的分析。所以,在大部分情况下,我们需要明确选择是否在VECM模型中加入常数项。为了将核心的问题讲清楚,我们使用VAR(

4、1)模型来讨论向量协整分析中的确定性趋势设立问题。,第一种情况,是最简单的情形,即假设Yt的组成变量都不含有确定性趋势,协整向量中也不含有确定性趋势变量(即常数项),即:(10.56),第二种情况,假设Yt的组成变量都不含有确定性趋势,而协整向量中含有确定性趋势,即:(10.57)或者写成:(10.58),第三种情况,假设 的组成变量含有线性趋势变量(线性趋势变量就是指以时间t形式表现的),而协整等式中含有截距项,即:(10.59)其中:指的是在协整关系之外的确定性趋势项,表示系数矩阵。,第四种情况,假设 和协整关系式中都含有线性趋势项,即:(10.60),第五种情况,假设 含有二次型趋势项,

5、协整关系等式含有线性趋势项,即:(10.61)其中:因为 为时间趋势项,所以 就表示二次型趋势项。,图10-8 EViews5.1中VECM模型选项,10.6 Johansen协整分析方法10.6.1 Johansen协整分析方法介绍 虽然Engle-Granger分析法简单易用,但是这种方法只能识别出多个变量的一种协整关系。而如果存在多于一个协整关系的情形,Engle-Granger协整分析方法就不再适用了。因此,在多个变量的协整分析中,更常用的方法是Johansen协整分析法。,Johansen协整分析过程中,第一步也是最重要的一步,就是检验协整关系的个数。在检验协整关系个数的同时,又会获

6、得协整向量的估计结果(矩阵B)。这样,就得到矩阵 的元素,从而进一步得到VECM系统(10.43)的估计结果。,10.6.2 协整向量个数的检验 Johansen方法在检验协整关系的个数时,运用了一个重要的矩阵代数的知识,即每一个 维的方阵都有 个特征根。Johansen方法就是检验这些特征根有多少个是大于0的正值。,Johansen的方法,实际上是一个循环过程,从检验第一个总体假设 开始,再检验 的情形,一直到一个平稳的系统对应的。这个循环可以使用下列假设来描述:(9.63),矩阵 的特征根是,Johansen提出以下两个统计量,都可以用来检验向量协整关系的个数,这两个统计量分别定义为:Trace 统计量:(10.63)Maximal Eigenvalue 统计量:(10.64),表10-9 向量协整关系个数的Johansen检验结果,10.7 VECM的估计与统计推断 在上面介绍的Johansen方法中,特征根 估计出之后,矩阵B的列就是对应的特征根向量,这样,对应的r个元素就可以被估计出来了。从理论上说,矩阵B的估计涉及到超级一致性问题,因为它是在估计一个由非平稳序列组成的平稳序列。,10.8 Johansen协整分析方法的应用,表10-10 Johansen协整检验结果,图10-7 EViews中VECM假设检验对话窗口,

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 生活休闲 > 在线阅读


备案号:宁ICP备20000045号-2

经营许可证:宁B2-20210002

宁公网安备 64010402000987号