VAR模型应用案例(完成)
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1978 —2015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1 佃78―― 2016年中国经济和能源生产增长率
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g d p和n y s c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。
bd
Augmented Dickey-Fuller Unit Root Test on GDP Null Hyp(rthesis：GDP has a unit root
Exogenous: Constant
Lag Length: 3 {Autorriaiic-cased on SIC, maxlag二g)
^Statistic Prob?
Augm的柜U Dick即亠Full盯馆st stM待tic 胡￡酣5迢06056
Test critical values： 1% level -3.639407
5% level -2.951125
前临I凹创-2614300
* MacKinnon (1996) one-sid&d p*values.
Augmented Dickey-Fuller Test Equation Dope n dent Variath' D(GDF)
Method: Least Squares
Date: 05/17/17 Time: 10:55
Sample (adjusted): 1382 2015
Included observations: M after adjustments
Variable Coefficient std. Error t-statistic Prob.
GDP (-1)-0S5&1710221114 ■3 867553
□ ODOS
D[GDP(-1))0 625B310,193529 3.232755 0.0031 D；GDP[-2))Q.D492400.1755170 200544 D7311 D(GDPg)) 0.2645370.167343 1 5S31450.1242
C 6 540050 2.222961 3 041745
0.0006 R-squared0458475 Mean depend ntvar0.052941
Adjusted R-squ a red H r ■車…■? ?鼻?i 0,383762
4nn-nn-m
S.D.dependentvar2&45731
图2.1经济增速（GDP）的单位根检验
0 SeHesi Worlcfile: UNTlTLED::Untitled^ 卜口
Null H /potriesis: FJYSC has a unit root
Exogenous: Constant
Lag Length: 1 (Automatic-based on SIC, maxlag=9)
t-Statistic Prob.*
Dickw卜FullwrtEst statistic ?￡9了5987 QO045 Test critical values: 1^level -3 525784
5% level -2 945S42
10% level -2,511M1
"MacKinnon (1996)one-sided ^values
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(NYSC)
Method: Least Squares
Date: 05/17/17 Time: 10:58
Sample (adjusted): 1980 2015
Included observations: after adjustments
Variable Coefficient Sid. Error t-Stalistic Prob.
NYSCM) -0.530906 0.1349D5 -3935987 0.00S4-
D(NVSCL-D) 0.4385490 150055 2.922585 0.00S2
C 2 7469380.857266 3204330 0.0030
R*squared A34306S Mean dependent var 4.069444
Adjusted R-squared 0 303254S.D. dependent var 3.510704
S.E. cf regression 5 93C431Aka ike info criterion 5.0C7S31
Sum squared resici233.3351Schwarz criteridn5J99791
Log likelihood -68.22096Hannan-Quinn critef.5,113839
F-statistic8616745 Durbin-Watsor stat 1.950251
Pro b[F-5tati stic)0 000975
图2.2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
■/ector Autoreg『郵ion Estimates
Date' 05/17/17 Time: 11'03
Sample (adjusred>: 1&80 2015
Indudediobservaticns.. 36 after adjustments Standard errors In ()4t-statisties in []
GDP NYSC
GDP(-1) 0.92&544
(0.16499>
[5 00369]
0 271590 (0.23599) [ 1.15096]
GDF{-2) -0.530405
(0.1662D>
[-3.19096]
-0.292356 (0.23730) [-1.22942]
NYSCC-1)-0 052225 也
1伽) [-
0.45156]
0 846356 (P.16&43) [5.11612]
NYSC(-2)o.iesioo
tOJ1349)
(1.639771-0 357569 (0.16234) [-2.20253]
C 6..184518
(1.50887}
[4.10539]2.363291 (2.15B27) [1.3 26 &61
R^squared&.492S650.554397 Adj. R-squared 0 427099 0.496639 Sum sq. res；ids130.5151 267.0S33
SE equation 2.051869 2.534956 F-statistic7.522890 9.t41791 Log likelihood-74.26525 ^7.15117 Akaike AIC 440362&& 119500 Schwarz SC 4.623&5S 5 339442 Mean dependent 9 738899 5.C166&7 S D dependent 2.710854 4.137805
Determinant resid covariance (dof adj)JO. 72390 Determinant resid covariance2278215 Log likelihood -1584312 Altai 图3.1模型的估计结果 乍gtimatien. Froc ： LS 1 2 GDP HlfSC GDF -C （bl ）* （-2） + M 局 MTSC = CC2, l ）*fflFC-l ） + C （2, 2）*GDF （-2）+ C （^3）*IISC （-1） + Cte,4）*IT5C （-2） + c （2^） VkR Mo Jel - SuLsbi Luk^l CotEficients : GUT = 0, 82^443i2B3E*^DT （-l ） - 0. 5304947iQ7434*CDF （-2） - 0 0522247^102 *HYSC （-1> + 0, 13￡lQC4&07E4*liySC （-E ）+ E 1叫51 銘奸卸 KYSC 三 0. 271597990674^?（-15 - 0. 292356160154*0DP （-2）+ 0. 046355666747 WSC （-l ） - O.357507S3?746*NYSC （-2）t Z. ￡0325103176 图3.2 模型的表达式 4.模型的检验 4.1模型的平稳性检验 Roots of Claracieristic F*o lyromial Endosenous variables GDP r-JYSC Exogenous variables: G Lag specification: 1 2 Date. 05/17/17 Time: 11:11 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。 图4.1.2 AR根的图 通过对GDP增长率和能源生产增长率进进行了VAR模型估计，并采用AR根估计的方法对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。 4.2 Granger因果检验