协整检验eviewsWord文档格式.docx
- 文档编号:13221361
- 上传时间:2022-10-08
- 格式:DOCX
- 页数:6
- 大小:186.31KB
协整检验eviewsWord文档格式.docx
《协整检验eviewsWord文档格式.docx》由会员分享,可在线阅读,更多相关《协整检验eviewsWord文档格式.docx(6页珍藏版)》请在冰豆网上搜索。
一种是基于单方程的检验法;
另一种是基于VAR的检验法。
但eviews5.0以前的版本没有第一种方法。
故下面仅简单介绍一下后一种方法。
特别要注意,如果你用的是eviews7.0版本的基于单方程的检验方法,那么,eviews会提供一些协整系数是否满足某种约束的wald检验,比如,检验a+b是否为1等。
3.适用条件
(1)虽然两个同阶变量间均可能存在协整关系,但eveiws上的协整检验仅针对于两个或多个变量均为I
(1)的情形,即仅针对于所有变量均同时为单位根的情形
(2)由上,进行协整分析的前提是先必须对所要观察的变量进行单位根检验,只有所有的变量均同时服从单位根时,才可进行协整检验。
二.检验方法
格兰杰两步法与Johansen(1991)创造的VAR矩阵特征值基础之上。
后者的原理是,经过线性变换后,有几个接近于1的特征值,就表示有几个协整向量。
三.检验步骤
Eviews上JJ检验所基于的原始模型:
1.先建立一个群组对象;
2.在群组对象中选择view/cointegrationtest;
3.在协整选项中选择6个选项中的1个。
经验原则是:
1、5一般很少用。
如果选1,那么要求是所有的变量(VAR)都应当满足平均值为0的条件;
5可能会在样本范围内具有较好的拟合效果,但外推效果很差。
若所有的变量均无时间趋势,那么可以选择2;
如果有变量存在时间趋势,且你认为所有这些趋势都是随机的,那么选3;
如果你认为有的变量的趋势是平稳的,那么选4。
四.需注意的问题
1.VAR随机扰动项必须是白噪声,故有时需加外生变量,以保证这一条件。
但截距项与线性趋势不必算做外生变量加以考虑,因为前面的5个选项中已包含这一因素。
2.如果数据出现突变断裂,单位根检验要有所改变。
3.最常要加的外生变量是季节虚拟变量。
不过,特别要注意的是,由于eviews给出的检验统计量分布取决于Yt的分布特征,而加入季节虚拟变量会改变Yt的均值与趋势,因而临界值对于加入外生变量后会无效。
一个解决办法是,一个基本的要求是,加入的这些季度变量应当对变量y的趋势项无影响,但可对截距项有影响。
为此,方法是对这些变量进行中心化。
命令是:
seriesd_q=@seas(q)-1/4(若是季度);
seriesd_m=@seas(m)-1/12(若是月度)
4.对于滞后阶的选择,要注意的是,所指定的滞后阶指的是变量Y的一阶差分滞后,另外,指定的方式是“12”。
5.统计量临界值仅对内生变量少于10个情形有效,而且,临界值对于趋势的假定很敏感。
对于含有某些确定性回归元的情形下,原有的临界值就可能不再适合。
6.Eviews检验选项中的VAR指的是差分后的VAR。
于是,如果设定在VAR中包含截距项,相当于在Y的水平值上包含确定性的时间趋势。
7.最大迹检验与特征值检验有时会出现冲突或矛盾,此时,按JohansenandJuselius(1990)的观点,解决办法是,先确定两种方法所估计出的协整向量,然后,根据现实当中协整关系的含义来看一下,哪一个估计结果现好的反映了现实。
8.协整向量的个数必须小于内生变量的个数,如果出现了等于内生变量个数的情形,那么说明协整检验的功效较低,或模型设定有误。
实际上,如果协整向量个数等于内生变量个数,那么就有内生变量个数个协整向量为基,从而单位矩阵M×
M也是协整向量,故所有的内生变量都可能为I(0)的。
五.协整向量的计算
1.一般来说,协整向量是无法识别出的,因为α/β=π。
要识别出β,就必须加入约束条件,这个约束条件由Johansen(1995)给出,即β/S11β=I。
此时,给出的
2.Eviews还会给出完全正规化后的一个协整向量结果,特点是将第一个变量看作是因变量,其它变量看作是自变量,而且会给出渐近标准误值。
但要注意,这个标准误不能用于直接判断参数的所谓显著性。
3.有时也可根据先验信息对协整向量与调整向量施加约束条件。
表协整检验结果
五.向量误差修正模型
一.基本概述
1.VEC是一个受限制的VAR模型,这个限制就是VAR中的向量都是非平稳的,而且具有协整关系。
于是,VEC模型就反映了经济向均衡的一个调整过程。
2.有几个内生变量,就有几个误差修正方程。
3.调整系数反映的是经济恢复均衡的速度。
二.如何估计VEC模型
Eveiws上估计的原始模型:
1.首先必须检验所涉及变量是否存在协整关系?
存在几个协整关系?
这些信息应做为关于VEC设定的一部分。
2.VEC与VAR一样,是针对于一个数据序列组对象的,故须先建立一个序列组对象。
方法是,在对象框中同时选定几个序列对象,然后以组的形式打开,也可直接生成一个VAR对象。
3.进行VEC估计的选择:
quick——estimatevar——vec。
记住,vec是一种受限制的VAR。
4.对VEC模型进行设定:
第一,大多数设定与一般的VAR设定相同;
第二,常数与趋势项不允许出现在外生变量设定的窗口中,而应在协整模型中设定;
第三,这里滞后项指的是VEC中一阶差分的滞后项阶数;
第四,如果希望对协整关纱的调整系数进行限制,可以选择“VECRestrictions”。
5.估计过程:
eviews会先给出所有的协整关系,然后再给出VEC估计结果。
三.VEC的估计结果
1.VEC的结果包含两部分:
一部分是由Johansen程序的协整检验结果。
如果不对VAR施加限制,那么eviews将用一个缺省的标准化形式来表示各个协整关系。
同时也会给出经自由度调整后的系数估值渐近的标准误值。
这个标准误值考虑了协整关系对VAR的约束。
另一部分就是协整结果了。
2.VEC结果中有两个loglikelihood。
第一个在计算误差方差时,利用自由度进行了调整;
第二个在计算误差方差时,没有用自由度进行调整。
四.如何利用view和process功能来观察一个VEC模型
1.View/Cointegrationgraph:
这个选项的作用在于,将协整方程用图形表示,或以对象的形式存储起来。
注意,这里的协整方程指的是偏离均衡的值,就是ax-by这一协整关系的值,故它也随着时间而变化。
2.关于VEC估计结果的一些Views:
(1)residual/graph:
画出的是每一个VEC所代表的VAR系统中每一个方程的残差序列。
(2)lagstructure/ARrootstable、ARrootsgraph:
所给出的是原VAR系统方程的系数矩阵的特征根,及特征根的图。
据此,可大致判断共可能有几个协整关系。
(3)lagstructure/grangercausality、blockexogeneitywaldtest:
用于对所有的内生变量进行格兰杰因果检验,或格兰杰意义上的外生性检验。
其作用在于有助于判断,VAR系统中各个内生变量,是否真的具有联立性。
(3)lagstructure/lagexclusionwaldtest:
用于检验,VAR系统中滞后项的个数。
原假设是,包含某阶滞后项。
Wald检验的思想是,如果施加约束的模型与不施加约束的模型是无差异的,那么其统计量在统计上也应是无差异的。
(4)residualtest/portmanteautestforautocorrelations:
VAR系统中所有随机扰动项自相关的一揽子检验,即同时检验所有方程的随机扰动项自相关性。
原假设:
一直到滞后h阶,均不存在自相关。
(5)residualtest/whiteheteroskedasticitytest:
是对异方差进行的检验,原假设均是:
同方差。
包含两种检验,一是对所有扰动项异方差进行联合检验;
二是对各个扰动项方差及扰动项之间的协方差的异方差性进行检验。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 检验 eviews