"EViews软件中的VAR模型是用于分析和预测多个相关经济指标的重要工具,它将单变量自回归模型扩展到了多元时间序列变量组成的系统。VAR模型通过将每个内生变量表示为系统中所有内生变量的滞后值的函数,从而描述变量间的动态关系。在EViews中建立VAR模型,可以通过Quick/Estimate VAR…或Objects/New object/VAR菜单选项,也可以在命令窗口中输入var命令。VAR模型的一般形式为一组线性方程,其中包含内生变量的滞后项和系数矩阵,扰动项假定为相互同期相关但不与滞后值相关的正态分布随机变量。这种模型在满足一定条件时可以转换为多元MA或ARMA模型,因此在经济学研究中得到广泛应用。"
在EViews软件中,构建VAR模型的步骤如下:
1. 启动EViews:打开EViews程序,确保你已经导入了需要分析的时间序列数据。
2. 创建VAR对象:有两种方式创建VAR模型。一是通过"Quick"菜单选择"Estimate VAR…";二是从"Objects"菜单中选择"New object",然后选取"VAR";三是直接在命令窗口输入"var"命令。
3. 设置对话框:在弹出的对话框中,你需要选择包含在VAR模型中的变量,这些变量通常应该是具有显著相关性的经济指标。然后,设定模型的滞后阶数(p),这需要根据AIC、BIC或信息准则来决定。
4. 估计模型:点击"OK"或"Estimate"按钮,EViews会开始估计模型参数,包括常数项c和系数矩阵A1至Ap。
5. 检查结果:完成估计后,EViews会显示估计结果,包括系数、标准误差、t统计量和显著性水平。你可以查看残差的统计特性,如自相关和偏自相关图,以检验模型的稳定性。
6. 诊断测试:进行单位根检验,确保所有变量都是平稳的。如果存在协整关系,可能需要转换为向量误差修正模型(VECM)。
7. impulse response function (IRF) 和forecast error variance decomposition (FEVD) 分析:这两个工具可以帮助理解不同冲击如何影响系统中的其他变量,以及预测误差的贡献。
8. 模型应用:利用估计的VAR模型进行预测或政策分析,比如计算格兰杰因果关系,评估经济政策的潜在影响。
VAR模型的强大之处在于它可以处理多个变量之间的相互影响,而不依赖于严格的经济理论结构。然而,需要注意的是,VAR模型假设扰动项的协方差矩阵是恒定的,这意味着模型对数据的同方差性和序列无自相关性的假设相当严格。在实际应用中,可能需要进行适当的修正,如使用ARCH或GARCH模型来处理异方差性,或使用差分来处理非平稳数据。此外,VAR模型的解释和推断需要谨慎,因为它可能包含大量的参数,可能导致过度拟合问题。因此,选择合适的滞后阶数和对模型进行适当的诊断测试至关重要。