应用VAR模型时的15个注意点

1、应用VAR真型时的15个注意点向量自回归（VAR,Vector Auto regression ）常用于预测相互联系的时间序 列系统以及分析随机扰动对变量系统的动态影响。VAR方法通过把系统中每一个内 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 ，从而回避了结 构化模型的要求。Engle和Granger （1987）指出两个或多个非平稳时间序列的 线性组合可能是平稳的。假如这样一种平稳的或的线性组合存在，这些非平稳（有 单位根）时间序列之间被认为是具有协整关系的。这种平稳的线性组合被称为协整方程且可被解释为变量之间的长期均衡关系。VAR模型对于相互联系的时间序列变量系统是有效的预测

2、模型，同时，向量自回归模型也被频繁地用于分析不同类型的随机误差项对系统变量的动态影响。如果变量之间不仅存在滞后影响，而不存在同期影响关系，则适合建立VAR模型, 因为VAR模型实际上是把当期关系隐含到了随机扰动项之中。注意点：1、单位根检验是序列的平稳性检验，如果不检验序列的平稳性直接OL哈易导致伪回归。2、当检验的数据是平稳的（即不存在单位根），要想进一步考察变量的因果 联系，可以采用格兰杰因果检验，但要做格兰杰检验的前提是数据必须是平稳的， 否则不能做。3、当检验的数据是非平稳（即存在单位根），并且各个序列是同阶单整（协 整检验的前提）想进一步确定变量之间是否存在协整关系，可以进行协整检验

3、，协整检验主要有EG两步法和JJ检验：、EG两步法是基于回归残差的检验可 以通过建立 OLS模型检验其残差平稳性；、检验是基于回归系数的检验，JJ 检验前提是建立VAR真型（即卞K型符合ADL模式）4、当变量之间存在协整关系时，可以建立ECM进一步考察短期关系，Eviews这里还提供了一个 Wald Granger检验，但此时的格兰杰已经不是因果 关系检验，而是变量外生性检验请注意识别。5、格兰杰检验只能用于平稳序列，这是格兰杰检验的前提，而其因果关系 并非我们通常理解的因与果的关系，而是说x的前期变化能有效地解释y的变化， 所以称其为“格兰杰原因”。6、非平稳序列很可能出现伪回归，协整的意义

4、就是检验它们的回归方程所 描述的因果关系是否是伪回归，即检验变量之间是否存在稳定的关系。 所以，非 平稳序列的因果关系检验就是协整检验。7、平稳性检验有3个作用：1）检验平稳性，若平稳，做格兰杰检验，非平 稳则作协正检验。2）协整检验中要用到每个序列的单整阶数。3）判断时间学列 的数据生成过程。ADF检验：1、view-unit root test,出现对话框，默认的选项为变量的原 阶序列检验平稳性，确认后，若 ADF检验的P值小于0.5,拒绝原假设，说明序 列是平稳的，若P值大于0.5,接受原假设，说明序列是非平稳的；2、重复刚 才的步骤，view-unit root test,出现对话框，

5、选择 1st difference, 即对变量的一阶差分序列做平稳性检验，和第一步中的检验标准相同，若P值小于0.5 , 说明是一阶平稳，若P值大于0.5 ,则继续进行二阶差分序列的平稳性检验。先做单位根检验，看变量序列是否平稳序列，若平稳，可构造回归模型等经典 计量经济学模型；若非平稳，进行差分，当进行到第 i次差分时序列平稳，则服 从i阶单整（注意趋势、截距不同情况选择，根据 P值和原假设判定）。若所有 检验序列均服从同阶单整，可构造VAR真型，做协整检验（注意滞后期的选择）， 判断模型内部变量间是否存在协整关系，即是否存在长期均衡关系。如果有，则 可以构造VEC模型或者进行Granger

6、因果检验，检验变量之间“谁引起谁变 化”，即因果关系：第一，格兰杰因果检验是检验统计上的时间先后顺序，并不 表示而这真正存在因果关系，是否呈因果关系需要根据理论、经验和模型来判定； 第二，格兰杰因果检验的变量应是平稳的， 如果单位根检验发现两个变量是不稳 定的，那么，不能直接进行格兰杰因果检验，所以，很多人对不平稳的变量进行 格兰杰因果检验，这是错误的；第三，协整结果仅表示变量间存在长期均衡关系， 那么，到底是先做格兰杰还是先做协整呢？因为变量不平稳才需要协整，所以 ， 首先因对变量进行差分，平稳后，可以用差分项进行格兰杰因果检验，来判定变量 变化的先后时序，之后进行协整，看变量是否存在长期均

7、衡；第四，长期均衡并不意味着分析的结束，还应考虑短期波动，要做误差修正检验。8、单位根检验是检验数据的平稳性，或是说单整阶数。9、协整是说两个或多个变量之间具有长期的稳定关系。但变量间协整的必要条件是它们之间是同阶单整，也就是说在进行协整检验之前必须进行单位跟检 验。10、协整说的是变量之间存在长期的稳定关系，这只是从数量上得到的结 论，但不能确定谁是因谁是果，而因果关系检验解决的就是这个问题。 单位根检 验是检验时间序列是否平稳，协整是在时间序列平稳性的基础上做长期趋势的分 析，而格兰杰检验一般是在建立误差修正模型后所建立的短期的因果关系。故顺序自然是先做单位根检验，再过协整检验，最后是格兰

8、杰因果检验。单位根检验 是对时间序列平稳性的检验，只有平稳的时间序列，才能进行计量分析，否则会 出现伪回归现象；协整是考察两个或者多个变量之间的长期平稳关系，考察两者的协整检验通常采用恩格尔-格兰杰检验，两者以上则用 Johansen检验；格兰 杰因果检验是考察变量之间的因果关系，协整说明长期稳定关系不一定是因果关 系，所以需要在通过格兰杰因果检验确定两者的因果关系。顺序一般是单位根检验，通过后如果同阶单整，再进行协整，然后在进行因果检验。要特别注意的是 只有同阶单整才能进行协整。11、VAR建模时lag intervals for endogenous要填滞后期，但是此时你并不能判断哪个滞后

9、时最优的，因此要试，选择不同的滞后期，至AIC或SC最小时，所对应着的滞后为最优滞后，此时做出来的VAR模型才较为可靠。12、做协整检验前作VAR勺原因是，协整检验是对滞后期和检验形式非常敏 感的检验，首先需要确定最优滞后。由于 VAR是无约束的，而协整是有约束的， 因此协整检验的最优滞后一般为 VAR勺最优滞后减去1,确定了最优滞后，再去 诊断检验形式，最终才能做协整。13、当确定了协整的个数后，往下看，有个标准化的结果，这个结果就是协 整方程，由于在结果中各变量均在方程一侧， 因此如果系数为正，则说明是负向 关系，反之亦然。14、协整表示变量间的长期均衡关系，貌似与你的 OL2矛盾。（1）

10、、如检 验不协整，说明没长期稳定关系，可以做VAR真型，但是模型建立后要做稳定性 分析：做AR根的图表分析，如所有单位根小于 1,说明VAR模型满足脉冲分析 及方差分解所需条件之一：模型的因果关系检验，不过注意在做因果检验前要 先确定滞后长度。只有满足因果关系，加上满足条件一：稳定性，则可进行脉冲 及方差分解；如不满足因果关系，则所有不满足因果关系的变量将视为外生变 量，至此要重新构建VAR真型，新的VAR真型将要引入外生变量的 VAR真型（2）、 VAR与VEC关系是：VEC是有协整约束（即有长期稳定关系）的 VAR真型，多用 于具有协整关系的非平稳时间序列建模。15、简单说VAR模型建立时

11、，第一步：不问序列如何均可建立初步的 VAR 模型（建立过程中数据可能前平稳序列， 也可能是部分平稳，还可能是没协整关 系的同阶不平稳序列，也可能是不同阶的不平稳序列， 滞后阶数任意指定。所有 序列一般视为内生向量），第二步：在建立的初步VAR后进行滞后阶数检验， 以确定最终模型的滞后阶数在滞后阶数确定后进行因果关系检验，以确定哪些 序列为外生变量至此重新构建 VAR真型（此时滞后阶数已定，内外生变量已定）， 再进行AR根图表分析，如单位根均小于1,VAR勾建完成，可进行脉冲及方差分 解；如单位根有大于1的，考虑对原始序进行降阶处理（一阶单整序列处理方法： 差分或取对数，二阶单整序列处理方法：

12、理论上可以差分与取对数同时进行， 但 由于序列失去了经济含义，应放弃此处理，可考虑序列的趋势分解，如趋势分解 后仍然不能满足要求，可以罢工，不建立任何模型，休息或是打砸了电脑），处理过后对新的序列（包括最初的哪些平稳序列） 不断重复第一步与第二步，直至 满足稳定性为止；第三步:建立最终的VAR后，可考虑SVAR真型。如果变量不仅存在滞后影响，还存在同期影响关系，则建立VAR模型不太合适，这种情况下需要进行结构分析。1、首先，如果变量都是平稳的，如增长 率、cpi、实际汇率等少数变量则直接可以用 VAR模型、格兰杰因果关系检验、 脉冲响应、方差分解等；2、70年代以前的建模都是以“序列平稳”为隐

13、含假设 的，70年代GRANGERS “伪回归”问题，从此建模进入了 “非平稳”与“协 整”的时代，因此，现在对时间序列建模时不进行平稳性和非平稳序列协整性检 验是不严格的；而且，如果序列非平稳或非协整，则建模的关键性检验一残差白 噪声检验可能是不能通过的。（有的文章不进行平稳性和协整性检验有三种情况： 一是按传统方法建模；二是突出文章的经济学意义而简化方法；三是建模成功与 否靠残差检验一锤定音），也就是说VAR真型（含因果关系检验模型前提是平稳 或协整）；3、早期的VAR是没有考虑平稳的问题，但是现在做 VAR的步骤一般 是这样的：第一步：单位根检验，UNIT ROOT TEST寸全部的变量

14、进行单位根检验,早期单位根检验：单位根检验用 ARM/0看也可以，如果都平稳不用做协整 检验和模型平稳性检验，则回到1;第二步：协整检验，在两个变量的情况下， 用 Engle-Granger method 和 Johansen 协整检验或者 Stock and Watson 方法， 但是在多个变量的情况下最好不要用 Engle-Granger的方法，用Johansen方法， 回归出来的矩阵的rank,如果满秩，则所有的变量都为稳定的序列，直接使用 VAR如果是0秩，则所有的序列都进行一阶差分之后 VAR（前提应该是全部的 序列都是I （1）,如果处于这两者的中间，那么就用 error correction model; 第三步：滞后期确定，（操作见EVIEWS6.0中var模型下view-lag structure 最后一列，多种准则比较选多数准则认同的最优滞后期，保证所有的残差都不存在自相关性，即white noise ,然后进行格兰杰因果关系检验、脉冲响应、方差 分解）；第四步：建立VAR模型：（因果关系检验），（操作见EVIEWS6.0中 var模型下view-lag structure 第一列），平稳性检验