一篇文章搞懂:向量自回归模型(VAR)理论、检验及评价
发布网友
发布时间:2024-10-06 03:06
我来回答
共1个回答
热心网友
时间:2024-10-06 04:22
向量自回归模型(VAR)理论、检验及评价
向量自回归模型(VAR)是由Sims于1980年提出的非结构性方程组模型,旨在描述经济变量之间的动态关系,而非基于严格的经济理论。其基本思想是在每个方程中,内生变量对模型所有内生变量的滞后项进行回归,从而估计所有内生变量的动态关联。VAR模型常用于预测相互关联的时间序列系统以及分析随机扰动对变量系统动态冲击的影响。
传统的计量经济学方法通常依据经济理论建立模型,以描述经济变量间的相互关系。然而,这种方法在实际应用中效果并不理想,存在几个主要问题:模型建立时经济理论未能明确给出变量间的动态关系;内生与外生变量的划分较为复杂;模型识别困难,为达到可识别性,需引入弱解释力的工具变量;若变量非平稳,则会导致更严重的伪回归问题。此外,用普通联立方程组处理变量滞后问题极为不便,VAR模型则将所有变量视为内生变量,减少了主观判断导致的模型不确定性。
VAR模型的数学原理涉及定义、平稳性检验、脉冲响应函数和方差分解。模型参数通过OLS法估计,估计量具有一致性。平稳性检验要求所有特征值位于单位圆内。脉冲响应函数描述误差冲击对内生变量的影响,而方差分解则提供随机新息相对重要性的信息。
在建立VAR模型时,选择适当的滞后阶数k是关键。可通过LR统计量、赤池信息准则(AIC)或施瓦茨准则(SC)来选择。此外,VAR模型还可用于检验因果关系,通过格兰杰因果性检验分析一个变量对另一个变量的影响。
VAR模型具有显著特点:不依赖严格经济理论,参数估计简单,预测准确性较高,但缺乏理论根基,可能在小样本情况下参数估计精度较差。
综上所述,VAR模型在描述经济变量间的动态关系、进行预测和因果分析方面具有重要作用,尤其适用于时间序列数据分析。然而,其应用时需注意模型选择、平稳性检验和参数估计等问题,以确保模型的有效性和准确性。