VAR模型应用案例 (完成)

1、VAR模型应用实例众所周知，经济的发展运行离不开大量能源的消耗，尤其是在现代经济发展的过程中，能源的重要性日益提升。我国自改革开放以来，经济发展取得长足的进步，经济增长率一直处于较高的速度，经济的高速增长带来了能源的大量消耗，进而带来了我国能源生产的巨大提高。因此，研究经济增长率与能源生产增长率之间的关系具有重要的意义，能为生源生产提供一定的指导意义。1.基本的数据我们截取19782015年中国经济增长速度（GDP增速）和中国能源生产增长速度数据,具体数据如下：表119782016年中国经济和能源生产增长率年份国内生产总值增长速度（%）能源生产增长速度鮒年份国内生产总值增长速度（%）能源生产增

2、长速度鮒197811.710.419979.20.319797.63.719987.8-2.719807.8-1.319997.71.619815.1-0.820008.55198295.620018.36.4198310.86.720029.16198415.29.220031014.1198513.49.9200410.115.619868.93200511.411.1198711.73.6200612.76.9198811.25200714.27.919894.26.120089.7519903.92.220099.43.119919.30.9201010.69.1199214.22.3

3、20119.59199313.93.620127.93.21994136.920137.82.21995118.720147.30.919969.93.120156.91.22.序列平稳性检验（单位根检验）使用Eviews9.0来创建一个无约束的VAR模型，用gdp表示的是中国经济的增长率，用nysc表示中国能源生产的增长率，下面分别对gdp和nysc进行单位根检验，验证序列是否平稳，能否达到建立VAR模型的建模前提。墮S-eries:GDPWorkfile:UNTITLED:Untitle-d|匚i|回ViewProcObjectPropertiesPrintNameFreezeSample

4、GenrSheetGraphAugmentedDickey-FullerUnitRootTestonGPPNull咖阿血对GDPhas且unitrootExogenous:ConstantLagLength:3Automatic-basedonSIC,maxlag=9Augm朗柜dDick町-Fulleteststatistic；心.67忑53CI.U056Testcriticalvalues:1%level-3.639+075%level-2.95112510%level-2.6100*MacKinncn(1996)one-sidedp-valuesAugmentedDickey-Fulle

5、rTestEquationDependentVariable:DGDP)Method:LeastSquaresate:05J17/17Time:10:55Sample(adjusted:19022015Includedlobservations:34-afteradjustmEntaVariableCoefTicientSid.Errort-StatisticProb.GDP(-1-08551710.221114-3.B6755J0.00Q6DCGDP-1)0.5256310.1935293.2327550.0031D(GDP(-2)004924001755170.28054407811D(G

6、DP(-3)02049370.1673401.5831450.1242C3.MOO502.2229613.S417450.0006R-squared0.453475Meandependentvar0.052941AdjustedR-squared0_3837tt2S.D.dependentwar2545731戸Li-bfrrnkrirr*cc；cin/liIrrmiImIcir!4fteFlCFiJ图21经济增速（GDP）的单位根检验0SeriesNY&CW&rkfle:UNTITLED!：UntitledViewProcObjectPropertiesPrintNameFreeze5dmpi

7、e-GenrSheetGraphAugmentedDickey-FullerUnitR.ootTestonNYSCNullHypothesis:NYSChasaunitrootExogenous:ConstantLagLength:1CAutorratic-basedonSIC,maj(lag=9t-StatisticProb百1览171总朮的口酣时孑111俺怆皿甜5血-3卫35937CLOO45Testcriiicalvalues:1%level-3.6267045%level-2.94&04210%level-2.6115S1MacKinnon(1996)one-sidedp-values

8、AugmentedDie：key-FuIlerTestEquationDependentvariable:D(MYSC)Method:LeastSquaresDate:05/17/17Time:10:&8Sampleadjusted):19802015-Includedobsen/atiori5：36afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.NYSC-1)-0.5309060.134905-3.9359870.0M4(NY3C(-1M0.4385490.1500552.9225050.0062C27469330.S5

9、72663.2043000.0030R-squared0.M306SMeandependentvar-0.0694UAdjustedR-squared0.303254SO.dependentvar3.51070iS.E.ofregression2930431Akaikeinfocriterion5.067831Sumsquaredresid283.3851Schwarzcriterion5.199791Loglivelihood-S3.22Q96Hannan-Quinncriter.5.1133S9F-statisticS.616746Durbin-Watsonstat1.99Q251Prob

10、(F-stati-stic)C.Q00975图22能源生产增速（nysc）的单位根检验经过检验，在1%的显著性水平上，gdp和nysc两个时间序列都是平稳的，符合建模的条件，我们建立一个无约束的VAR模型。3.VAR模型的估计ProcObjectPrintNameFreezeEstimateForecastVectorAutoregressionEstimatesVectorAutoregressionEstimatesDate:05/17/17TimeiltOGSampleadjusted:19802015Includedobservations:36afteradjustmentsStan

11、darderrorsin()&t-statisticsinGDPMSCGDP(-1)0.82S&44(0.164995.003690.271598(0.23599)1.15056GDP(-2)-0.53049&(0.16625-3.19096-0.292356(0.237S0；-1.22942NYSCC-1-0.05222&(C115B5-0.451560.846356(016543)5.11612NYSCC-2)0.186100011349)1.63977-0.35756S(0.16234)-2.20263C6.194518(1.508874.105392.863291(2.15827132

12、666R-squared0.4925650.&4387Adj.R-squared0.427089049GSSSS-umsq.reside1305151267.0323SEequation2.051S692.924958F-.statistic7.522S909.641791Loglikelihood-74.2652&-37-15117AkaikeA1C4.4026255.119509S-chwarzSC4.62J5585.339442Meandependent9.7383395.016667Sr.Ddependent2.7108544.1J7a5Determinantre.sidcovaria

13、nce(dofadj.)30.72390Determinantre.sidcovariance22.78215Loglikelihood-158412AkzaiIceinformationcriterion9.3-57237Schwarzcriterion9.797154图3.1模型的估计结果回Wr;VAR01Workfile-;完成的VARSH：:Untitle-dIZZiViewProcObjectPrintName|Freeze|EstirnatEForecastStatsImpulseResidsI.tian.FrocLS12GDFN1!SCmModel:GDP=C(l,1&DP(-O

14、+E刃宋GDP(-2)+CCl.SnSCf-l)+C(l,4)*1IVSC(-2)+C(l.E)UYSC=Ct2,l)*GBP(-10+C(Z2)*GDP(-2)+Ct2,3)*ISC(-1)+C(2,4)*NVSC(-2)+HZ引7AIiMedel-SubstitutedCoeffi?ints:GDT=0.S25544312S35*(5Dr(-l)-0.5304S4707434*?Dr(-2)-0.Q522E47C95102lTYSC(-1)+0.1861004S07E4tMSC(-2)+6.19451824763KY汇=Cl.E门59阳3葩T4WGDF(T)-.292356168154BF

15、C-250.84635586S747ffYSC(-1)-0.357567632748*SSC(-2)+2.86329108178图32模型的表达式4.模型的检验4.1模型的平稳性检验回Var:UNTITLEDWorldile:UMTrTLED:Untitle(AViewProcObjectPrintN目rntFreezeLstimateForecastSIVARStabiLityCondLtior)Ch&ckRootsofCharaderisticPolynomialEndogenousvariables:GDPNYSCExogenousvariables:CLagspecification:

16、12ate:05/17/17Time:11:11RootModulus0566086-0.451708iC-.7242200566086+0.451708iC,7242200.269864-0.626551i0.632-1960.269864+0.626551i0.632196Norootliesoutsidetheunitcircle.VARsatisfiesthestabilitycondition图4.1.1AR根的表由图4.1.1知，AR所有单位根的模都是小于1的，因此估计的模型满足稳定性的条件。对VAR模型估计的结果进行平稳性检验。AR根估计是基于这样一种原理的:如果VAR模型所有根

17、模的倒数都小于1，即都在单位圆内，则该模型是稳定的;如果VAR模型所有根模的倒数都大于1，即都在单位圆外，则该模型是不稳定的。由图4.1.2可知，没有根是在单位圆之外的，估计的VAR模型满足稳定性的条件。4.2Granger因果检验画VanVAR-01Workfile:VA:UntitledSCI/iewProcObjectPrintNameFreeze1Estimat-eForeastStatsIImpul!VARGrangerCausality/BlockEx口eneityWaIdTestsate:05/19/17Time:20:57sample:197SsmsIncludldlobssr

18、vation占：36Dependlentvariable:GDPExcludedoni-.sqCJTPrat)Nvec3.03869S2a.21B9All3.0396982a.2103Dependsrrt钉NYSCExcludedlChi-sqdfProb.GDP1.6992612a.3671All1.89828120.3871图4.2.1Granger因果检验结果图Granger因果检验的原假设是：H0：变量x不能Granger引起变量y备择假设是：%：变量x能Granger引起变量y对VAR（2）进行Granger因果检验在1%的显著性水平之下，经济增速（GDP）能够Granger引起能源

19、生产增速（NYSC）的变化，即拒绝了原假设；同时，能源生产增速（NYSC）能够Granger经济增速（GDP）的变化，即拒绝了原假设，接受备择假设。5滞后期长度回Var:UNTITLEDWorkfila:UNTITLED:UntitladviewProcObjectPrintNameFreezeEstimateForecastStatsImpulseResidsZoomVARLagOrderSelectionCriteriaEndocenousvaria&les:GDPNYSCExogenousvariables:3ate:D5/17/17Time:1116Sample:197S2015Ind

20、udedobservaticns:34LagLogLLRFPEAICSCHQ0-172.74-23NA99.3069610.2739610.36B7410.309531-158.855025.S239455341499.6973519.96670997892102-148.079737.6133indicateslagorderselectedbythecriterionLR.SEquenii日InadifiedLRleststatislic（eachtestat5%levelFPE:FinpredictionerrorA1C:AkaieinformationcriterionSC:Schwa

21、rzinformationcriterionHQ:Hannar-Quinninformationcriterii图51VAR模型滞后期选择结果从上图可以看出LR,FPE,AIC,SC,HQ都指向同样的2阶滞后期，因此应该选择VAR（2）进行后续的分析。g.zaasoB*9.747733*9.451906*3-147.4983D.92353446.343659.4998971O.12B-409.7142344-145.49842.9W91652.S58BS9.61755510.425639.8031316.脉冲函数图6.1各因素脉冲响应函数结果图从图6.1可以看出：经济增长率（GDP）和能源生产

22、（NYSC）各自对于自身的冲击，在前四期是快速下降的趋势，并且出现负值的情况。但是，GDP增速的变化基本上在第七期就保持了持平的一个状况；而能源生产（NYSC）的变化是在第九期的时候实现持平的状态。能源生产增长率（NYSC）对于经济增长率（GDP）的脉冲响应分析，当给经济增长一个正的冲击的时候，在前两期是呈现一个下降的趋势，主要的原因应该是，经济增长促进能源生产的提高是存在滞后期的，但是但很快就出现了上升的趋势在第五期的时候达到最大值，之后出现了下降的趋势，然后又回升，直到第十期之后保持了平衡。这说明经济增长对于能源生产增长的影响是正向的，会呈现一种上升、下降、平衡的基本状态，说明经济发展对能

23、源生产的促进作用并不是无限的，经过一定作用之后看，会出现一种平衡状态。经济增长率（GDP）对于能源生产增长率（NYSC）的脉冲响应分析，经过对比图中第2幅和第3幅小图，我们大致是可以看出两者之间是呈现完全相反的情况。当在本期给能源生产增长率（NYSC）个正冲击之后，前两期是增长，然后到第五期是下降趋势，然后回升，在第七期之后基本上持平。7.方差分析画Vsr:UNTITLEDWorkfile:UNTm_ED:UnMI&dI口II回11*ViewProcObje-dPrintNameFreezeEstimateJForecastStatsImpuLseResideZoomVarianceDecom

24、positionVarianceDecompositionofGDP:PeriodS.E.GDP忖紀12.051869100.00000.00000022.62678299.711540.28045832.66955398.721431.2785-704-2.76860692.919477.030533-52.84515359.1101110.3893962.85117158.8871311.1120712.B58S27S8.43C0711.56993Q2.S7241057.6373412.3-626692.876777a?4049012.595-10102.876820a?4023112.5

25、9769112.877548B7.3871112.B1289122.87829637.3730712.6269S132878481373670712.6329U2.S7352537365091Z63491152.S7S57S87365OS12.634-92162.S7S601573652412.634-76172.S7S613573646612635-34is2.S7362557.3639212.636OS192.878629573636812.63632202.878630573636912.63631212.878631573636412.63636222.878632573635812.

26、63642232.878633573635612.63644-242.878633573635612.63644-252.878633573635612.6364+26Z.S786337.3635612.63644-27Z878633B7.3635612.63644-23Z8786337.3635612.63644-292.878633873635612.636U302.87863387363561Z63644图71经济增长（GDP）方差分析结果回Var:UIMTITLEDWorkfile:UNTITLED:UntitledViewProcObjectPrintNameFreezeLstima

27、teForecastImpulseResidsZoomVarianceDecompositionVarianceDecciiripositionofNYS-C:PeriodS.E.GDPNY&C12.934958152S24284.7175824-.02209122.5767677.4232434-.19194823.7934076.2065244-.20S62924.176517S.-82349542K1S426.2479S73.75205642S8S7527.14570Z2.-8&43074.30702327.0992872.9007284.31470027.0676472.9376g431S40127.1087872.-S932410431S99627.1252272.-8747-S114.32022527.1145572.-8S&451227.1025772.-S974S134-32146327.0999472.90006U432148727.10069