SVAR模型制作过程.pdf

《SVAR模型制作过程.pdf》由会员分享，可在线阅读，更多相关《SVAR模型制作过程.pdf（6页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、-设置月度数据 MONTHLYstart date：2008M01end date 2018M08一，数据的季节调整利用*-12 进展季节性调整由于在建模时所选取的是宏观经济的月度数据，而月度数据容易受到季节因素的影响，从而掩盖经济运行的客观规律，因此我们采用Census*13功能时最强大的调整方法对各个变量数据进展季节性调整。分别记做 CPI、FOOD、HOUSE、M2、VMI。时间序列按照时间次序排列的随机变量序列，任何时间序列经过合理的函数变换后都可以被认为由几个局部叠加而成。三个局部：趋势局部 T，季节局部 S和随机噪声局部I。常见的时间序列都是等间隔排列的。时间序列调整各局部构成的根

2、本模型2*t=Tt+Tt+It对任何时刻有，EIt=0，VarIt=加法模型2*t=Tt*Tt*It对任何时刻有，EIt=1，VarIt=加法模型（1）判定一个数据序列终究适合乘法模型还是加法模型，可考察其趋势变化持性及季节变化的波动幅度。（2）所谓季节调整就是按照上述两种模型将经济时间序列进展分解，去掉季节项的序列成为调过序列。对于时间序列而言是否存在整体趋势？如果是，趋势是显示持续存在还是显示将随时间而消逝？对于时间序列而言是否显示季节性变化？如果是，则这种季节的波动是随时间而加剧还是持续稳定存在？对于时间序列的分解模型主要有加法模型和乘法模型。加法模型适用于 T、S、C 相互独立的情形。

3、乘法模型适用于 T、S、C 相关的情形。由于时间序列分解的四大要素一般都存在相互影响，因此大多数的经济数据都采用乘法模型进展季节性分解。第一步：双击进展季节性调整的变量组CPI，proc Seasonal Adjustment*-12第二步：用 Eviews 软件进展季节调整的操作步骤：1，准备一个用于调整的时间序列GDP 注意：序列需同口径当月或当季、不变价、足够长2，在 Eviews 中建立工作文件，导入序列数据3，序列图形分析（1）观察序列中的是否有季节性（2）是否有离群值或问题值（3）序列的趋势变动是加法还是乘法模型 加法模型主要适用于呈线性增长的数据序列，或者是围绕*一个中指波动的数

4、据序列，如pmi 数据序列 乘法模型主要适用于呈指数级数增长的序列，如GDP、工业增加值，投资数据的名义值、实际值及物价的指数序列等。对数加法模型主要适用于同比增速呈线性增长的数据序列，如 GDP、工业、投资及 cpi 的同比增速数据；伪加法模型则主要是对*些非负时间序列进展季节调整，他们具有这样的性质：在每一年中的一样月份出现接近与 0 的正值，在这些月份含有接近于 0 的季节因子，受这些小因子的影响，季节调整结果将出现偏差。在一年的特定时期，农产品产量就是这样的数据序列Cpi，vmi 为对数加法模型，.z.-（4）必要时还要分析谱图和自相关、偏相关图4，季节调整参数设定（1）季节调整选择项

5、模型分解方法、季节虑子、调整后的序列变量名a勾选*11 method 中的 multiplicative，seasonal filter 中的 auto*12defaultbComponent seriesto save 选择 final seasonal factor _SFTrend Filter选择 Auto*12 fefat（2）ARIMA 模型参数序列是否需要做转换、ARIMA 说明 主要是做预测用（3）交易节假日设定西方模式，不适合中国模式（4）离群值设定（5）模型诊断选上5，执行季节调整6，查看季节调整后的结果7，分析季节调整的结果诊断报告主要查看 M1-M11、以及 Q 统计量

6、有没有通过检验如果诊断报告不好，返回第4 步8，导出数据，在 E*CEL 中计算环比增长率在建立 SVAR 模型时，需要考虑变量序列的平稳性，这就要求在建模前需要对变量进展平稳性检验，如果变量序列是平稳的，则可以直接进展SVAR 模型的构建，但是如果变量为非平稳序列则需要对变量序列进展平稳性处理，常用的方法是做差分和取对数，如假设变量序列满足同阶单整，则可以进展协整检验，如假设各个变量序列满足协整检验，具有长期的均衡关系，则可以建立SVAR 模型。PROCSeasonal AdjustmentCensus*12Sensonal adjustment(季节调整选择设定)，ARMIA Option

7、，Trading Day/Holiday交易日、节假日设定，Outliers离群值设定，diagnostics诊断。做的比拟粗糙一点：（1）翻开变量列，proc*-13method*-11additive(加法)（2）Outputseasonallyadjusted一，对各变量序列的平稳性检验ADF 检验原因:模型要求所需的变量数据为平稳序列。1单位根检验单位根检验是检验数据的平稳性，或是说单整阶数。引用高人的答复：滞后阶数的问题。最正确滞后阶数主要根据AIC SC 准则判定，当你选择好检验方式，确定好常数项、趋势项选择后，在lagged differences栏里可以从 0 开场尝试，最大可

8、以尝试到 7。你一个个翻开去观察，看哪个滞后阶数使得结论最下方一栏中的AIC 和 SC 值最小，则该滞后阶数则为最正确滞后阶数。单位根是否应该包括常数项和趋势项可以通过观察序列图确定，通过 Quick-graph-line 操作观察你的数据，假设数据随时间变化有明显的上升或下降趋势，则有趋势项，假设围绕0 值上下波动，则没有趋势项；其二，关于是否包括常数项有两种观点，一种是其截距为非零值，则取常数项，另一种是序列均值不为零则取常数项。使得 t 大于 1%，5%，10%条件小的值步骤：第一：.z.-利用图形确定常数项和趋势项Quickseries statisticunit root test其

9、中：检验对象Level水平序列，1st difference一阶差分序列，2st difference二阶差分序列检验附加项Intercept常数项，漂移项，trend and intercept趋势项和漂移项，none无附加项Lag length之后长度lagged differencesAutomatic selection系统自动选择之后长度AICSIC 等。User specified用户自己选择第二，确定滞后项方法一是在 User specified用户自选模式中选择从0 开场慢慢增加，看下面的AIC 与sic 的大小，最后 AIC 与 sic 最小时，就是滞后项数。方法二是在 Au

10、tomatic selection 中选择 AIC 模式，可以把最大滞后项数选大一点7 或者以上，软件会自动选择 AIC 最小时的项，即为滞后项。D*-1 为滞后 1 项。（3）Johansen 检验视单整情况而定Johansen 检验的关键是有同阶单整可以进展协整检验。非同阶单整可不需要进展Johansen 检验。协整检验是两个或多个变量之间具有长期的稳定关系。但变量协整的必要条件是他们之间时同阶单整，也就是说在进展协整检验之前进展单位根检验。根据 SIMS1990的研究结果，只有在变量序列之间存在长期的均衡关系即协整关系时，VAR 模型才能防止出现错误识别，才能通过最小二乘法得到一致估计。

11、（4）建立 VAR 模型不断重复直至模型通过三项检验：稳定性，滞后阶数正确，外生变量与生变量明晰第一步估计 var 模型，ObjectsNew object/Var选择 VAR type 为：unrestrictedEndogenous Variables:生变量(d(vmi_d11)差分)有生变量为 1，有外生变量为 0E*ogenous Variables：外生变量估计系数的标准差圆括号中及t-统计量方括号中d(cpi_d11)d(food_d11)house_d11 d(m1_d11)d(vmi_d11)不断改变Endogenous Variables 中1，？=1,2,3比拟结果最下面

12、的 AIC 与 SC DE 值越小越好，最后确定VAR 模型的滞后阶数。注意：1，其实在初始设置 VAR 模型的时候可以任意设置为1，？后面检验的时候才会确认？的滞后阶数是什么。1,1自己2，默认为全体变量为生变量 后面检验的时候可以确定哪些是外生变量 。第二步检验所估计的VAR 模型三个检验1，VAR 的滞后阶数检验在 VAR 工作表中 VIEWSlag structurelag length criteria(填写最大阶数)软件将会用“*给出*个 AIC 或者 SC 准则的最小值。滞后阶数越小越好。2，的稳定性检验AR 根小于 1，在单位圆才能满足脉冲分析及方差分解所需条件。VIEWSla

13、g structureAR ROOTS TABLE/GRAPH.z.-3,Granger 检验VIEWSlag structurePairwise Granger Causality Tests3，建立的简约式 VAR？为滞后阶数的模型输出样式VIEWREPRESPENTATION（5）在构建成功 VAR 模型后，为了验证扰动项之间是否存在同期相关关系，可用残差的同期相关矩阵来描述，可以利用这个模型进展预测即下一步的分析，为了验证扰动项之间是否存在同期相关关系，可以利用残差的同期相关矩阵来描述。在构建的 VAR 窗口中：VIEWSResidualscorrelation matri*进一步说明

14、可以利用同期的影响来构建SVAR 模型。(5)在已构建的 VAR 模型上构建 SVAR 模型第一步：实施约束识别条件为 kk-1/2 个，识别约束条件可以是短期约束条件，也可以长期约束条件。短期约束意味着脉冲响应函数随着时间的变化将会消失，对 D0进展影响而长期约束意味着对响应变量未来的值有一个长期的影响。更像是累计影响如不能同时施加长期与短期约束。短期约束是基于 A-B 型 SVAR 模型 Aet=Bt,长期约束基于脉冲响应的累积响应函数。1短期约束2可识别条件：AB 型 SVAR 模型至少需要 2k-k(k+1)/2 个约束可识别条件一般假设构造新息t有单位方差，因此通常对矩阵 B 的约束

15、为对角22阵约束个数为k-k或者单位矩阵约束个数为K ，以致获得冲击的标准偏差A 矩阵主对角元素一般设为1约束个数为 k在矩阵 B 为单位阵情况下，对A 矩阵的约束相当于对C0矩阵施加约束，即对变量间同期相关关系的约束，如有三个生变量税收1，政府支出2，产出3，根据经济理论当期产出不会影响当期政府支出，即矩阵C0中 C23=0，在约束时当 B 为单位阵时，直接写成a23=约束矩阵中未知元素定义为NA2长期约束建立包括长期响应矩阵模块，约束处填写 0，比方第 2 个生变量对第 1 个构造冲击的长期影响为 0，则长期响应矩阵模块中第 2 行第 1 列约束为 0，其他类同，无约束的填写NA施加在当期

16、的约束就是短期约束，3为了简便起见应按如下进展SVAR 短期约束条件的设立21，AB 型 SVAR 模型至少需要 2k-kk+1/2 个约束AB 型的特点是，可以明确建立系统各个生变量的当期构造关系，并且可以直观地分析标准正交随机扰动项对系统产生冲击后的影响情况，即 et就是所谓的“标准正交随机扰动项，因为它的组成元素之间互相正交即互相独立，并且其方差-协方差为单位阵22，假设约束矩阵 B 为单位阵，此时约束个数为K 个3，假设约束矩阵 A 为主对角元素为 1，约束个数为 K.z.-4，再加上经济原理上，使得在矩阵A 中至少增加222k-kk+1/2-k+k个 0 约束5，构造的约束按照 C1

17、2=0 或者 C21=0 来进展。注意：1，EVIEWS 在计算过程中同时限定了矩阵A 必须为单位矩阵，对于 n 变量的2SVAR，这实质上又给出了 n 个限制条件。所以，当在 EVIEWS 中设立长22期约束条件时，实际上对矩阵C 的约束条件，只要有2n-nn+1/2-n=22n-nn+1/2-n 个就满足了 SVAR 模型的可识别条件。2，长期约束，实质上就是要限定短期条件下的矩阵A 和 B 与长期条件下的矩阵 C 之间的关系。3，在长期约束过对矩阵 C 中的元素加以限制，然后利用这些限制条件以及C与矩阵 A,B 的关系估计出矩阵 A 与 B 的系数。因此，在给定一个限制约束条件的矩阵 C

18、 后，EViews 部算法会给出相应的SVAR 模型 A、B 矩阵中的系数，而无论如何限制矩阵 C，EViews 给出的结果中矩阵 A 总是单位矩阵。所以，当在EViews 中设立长期约束条件时，实际上对矩阵C 的约222束条件，只要有【2n-nn+1/2】-n=n-nn+1/2 个就满足了 SVAR模型的可识别条件。4，在进展短期约束时，可以根据经济理论或者Granger 来得到约束条件。5，构架的短期约束以格兰杰因果检验为主6，最好不要把 B 矩阵设为单位阵7，长期约束条件多用于货币政策的分析，情况较为复杂，在其他领域应用较少。8，Svar 模型根据其建模特点，主要分为3 种类型：K 型，

19、c 型和 AB 型，其中 AB 其中型是最通常的类型,而 K 型、C 型都可视为 AB 型的特殊形式。如果模型中的A矩阵为单位矩阵,则AB模型就转化为C模型;如果AB模型中的 B 矩阵为单位矩阵,则模型就转化为 K 模型。9，在 EVIEWS 中利用约束条件生成矩阵A 与 BObjects/new object/matri*-vector-coef 填写矩阵名称 A在命令面板中可以如下输入：A(1,1)=1,A(1,2)=NA 等，表示在 A 矩阵中第 1 行第 2 列中设置为 1，和在第 1 行第 2 列或者矩阵命令 matri*5,5*data 创立一个 5*5 的矩阵*data。第二步：

20、估计 SVAR从 VAR 对象窗口的菜单中选择 procsestimate structural factorizationSvar OPTIONS 的对话框中，击中 MATRI*按钮和 short-run pattern，并在相应的编辑框中填入模板矩阵的名字。e1=-c(1)*e2-c(2)*e3-c(3)*e4-c(4)*e5+1*u1e2=-c(5)*e1-c(6)*e4-c(7)*e5+1*u2e3=-c(8)*e1-c(9)*e4-c(10)*e5+1*u3e4=-c(11)*e1-c(12)*e3+1*u4e5=-c(13)*e1-c(14)*e2-c(15)*e3+1*u5如上设

21、置的短期约束条件多增加两个好一点d(cpi_d11)d(food_d11)house_d11 d(m1_d11)d(vmi_d11)结果如下图.z.-约束条件如下：1：里面不包含 M1 不影响当期食物价格，c24M1 不影响当期房屋价格 C34第三步：分析A，脉冲响应函数分析d(cpi_d11)d(food_d11)house_d11 d(m1_d11)d(vmi_d11)主界面viewimpulse response。在impulses产生冲击的变量处填写在response处填写观测其脉冲响应的变量图片输出，点击输出结果右键，SVAE保存后可输出结果。B，方差分解分析Var 界面 Viewv

22、ariance decompositionlibrary(ggplot2)#type-c(A,B,C,D,E,F,G)#nums-c(10,23,8,33,12,40,60)type-c(1 HBase,2 Spark,3 Kylin,4 Data dev&analysis)nums-c(85,5,5,5)df-data.frame(type=type,nums=nums)#绘制条形图p-ggplot(data=df,mapping=aes(*=Content,y=nums,fill=type)+geom_bar(stat=identity,position=stack,width=1)plabel_value-paste(,round(df$nums/sum(df$nums)*100,1),%),sep=)label_valuelabel-paste(df$type,label_value,sep=)labelp+coord_polar(theta=y)+labs(*=,y=,title=)+theme(a*is.te*t=element_blank()+theme(a*is.ticks=element_blank()+scale_fill_discrete(labels=label)-bigdata-余建新来源：CSDN声明：本文为博主原创文章，请附上博文！.z.