在协整关系下,VAR(向量自回归)模型和VEC(向量误差修正)模型都可用于描述变量间的动态关系。VAR模型适用于非 stationary 数据,而当数据存在长期稳定关系时,我们会使用VEC模型。
1. 脉冲响应函数 (Impulse Response Functions, IRF):
在VAR模型中,脉冲响应直接展示了一个冲击对系统内其他变量的即时和滞后影响。而在VEC模型中,由于存在误差修正项,脉冲响应会显示短期动态调整和长期均衡关系的变化。因此,VEC模型的IRF更侧重于反映数据如何在长时间内回到协整关系。
2. 方差分解 (Variance Decomposition, VD):
VAR模型的方差分解展示了各变量自身的波动有多少是由自身过去的变化、其他变量的冲击或随机误差引起的。在VEC模型中,方差分解会显示长期协整关系下,各变量对冲击贡献的百分比。
Eviews等软件确实可以进行VEC模型的脉冲响应和方差分解。虽然与VAR框架下的结果有所不同,但它们提供了不同角度的理解。VEC模型的结果更侧重于理解数据如何在协整关系约束下相互作用,而VAR则更多地关注短期动态。因此,两者都有其意义,具体取决于研究问题的需求。
此文本由CAIE学术大模型生成,添加下方二维码,优先体验功能试用![](https://bbs.pinggu.org/static/2024/qywx_aipost_3.jpg)