发帖
雷达卡
在 EViews 中，构建 VAR（向量自回归）模型时，如果变量的一阶差分是平稳的（即原始序列为一阶单整，**I
(1)**），需要特别注意数据的性质和处理方式。以下是详细的操作步骤和注意事项：
**一、背景与理论**
1. **VAR 模型的适用条件**：
VAR 模型要求所有变量必须是平稳的。如果变量在原始水平形式下是非平稳的（I
(1)），需要进行处理。
变量的一阶差分平稳（I
(1) → Δ变量是 I(0)）时，可以选择：
使用差分后的数据构建 VAR 模型。
或者，如果变量之间存在协整关系，可以构建 VECM（向量误差修正模型）。
2. **关键决策**：
如果没有协整关系：直接对一阶差分数据构建 VAR 模型。
如果存在协整关系：必须构建 VECM，以保留长期平衡关系的信息。
**二、操作步骤**
**步骤 1：数据检查**
在构建 VAR 模型之前，需要确认变量的平稳性和协整关系。
1. **平稳性检验（单位根检验）**
在菜单中选择 `View > Unit Root Test`，对原始变量进行单位根检验（如 ADF 检验）。
如果原始变量是非平稳的（无法拒绝原假设），但一阶差分是平稳的（可以拒绝原假设），说明变量是一阶单整（I
(1)）。
示例：
原始水平数据：非平稳（单位根存在）。
一阶差分数据：平稳。
2. **协整关系检验**
使用 Johansen 协整检验检测变量之间是否存在协整关系：
在 VAR 模型设置窗口上选择 `View > Cointegration Test`。
如果存在协整关系（显著的协整向量），需要使用 VECM。
如果不存在协整关系，则可直接使用一阶差分数据进行 VAR 建模。
**步骤 2：构建 VAR 模型**
**情况 1：没有协整关系**
如果协整检验表明变量之间没有协整关系，则直接对一阶差分后的数据构建 VAR 模型。
1. **准备差分数据**
对原始变量取一阶差分：
```eviews
series d_var1 = d(var1)
series d_var2 = d(var2)
```
这些差分数据是平稳的，可以用来构建 VAR 模型。
2. **构建 VAR 模型**
在 EViews 主窗口：
选择差分后的数据（如 `d_var1` 和 `d_var2`）。
点击右键选择 `Open > VAR...`，打开 VAR 设置窗口。
设置滞后阶数：
在 `Lag Structure` 中选择滞后阶数（详见步骤
3）。
点击确定，EViews 会自动估计 VAR 模型。
**情况 2：存在协整关系**
如果协整检验表明变量之间存在协整关系，则需要构建 VECM 模型。
1. **构建 VAR 模型以确定滞后阶数**
首先，对水平数据（原始非平稳数据）构建 VAR 模型，用于确定滞后阶数（详见步骤
3）。
在 VAR 窗口，选择 `View > Lag Structure > Lag Length Criteria`，查看信息准则（如 AIC、SC）确定最佳滞后阶数。
2. **构建 VECM**
在 VAR 窗口中，选择 `Estimate > VECM`。
在 `Cointegration Rank` 中输入协整关系的数量（Johansen 检验结果提供的协整秩）。
点击确定，EViews 会估计 VECM 模型。
**步骤 3：选择滞后阶数**
无论是 VAR 还是 VECM，滞后阶数是模型的一个重要参数。
1. **使用滞后长度准则**
在 VAR 窗口中，选择 `View > Lag Structure > Lag Length Criteria`。
根据信息准则（如 AIC、SC、HQ）选择滞后阶数。例如：
AIC（赤池信息准则）：通常用于较大样本。
SC（施瓦兹准则）：通常更倾向于选择短滞后。
HQ（汉纳奎因准则）：在 AIC 和 SC 之间折中。
2. **手动调整滞后**
如果信息准则选择的滞后阶数过多或过少，可以手动调整滞后阶数，并比较模型的拟合优度和结果的稳健性。
**步骤 4：诊断与检验**
构建 VAR 模型之后，需要进行模型的诊断和检验，确保模型是稳健的。
1. **稳定性检验**
在 VAR 窗口中选择 `View > Stability Test > AR Roots Table`。
如果所有特征根的模数小于 1（即所有点落在单位圆内），说明模型是稳定的。
2. **序列相关性检验**
检查残差的自相关性：
在 VAR 窗口选择 `View > Residual Diagnostics > Serial Correlation LM Test`。
如果 p 值较大（通常 > 0.05），说明残差没有自相关性。
3. **异方差检验**
检查残差的异方差性：
在 VAR 窗口选择 `View > Residual Diagnostics > Heteroskedasticity Test`。
如果 p 值较大（通常 > 0.05），说明残差不存在异方差。
4. **正态性检验**
检查残差是否符合正态分布：
在 VAR 窗口选择 `View > Residual Diagnostics > Normality Test`。
如果 p 值较大（通常 > 0.05），残差可以认为是正态分布的。
**三、输出与解释**
1. **VAR 模型方程**
在 VAR 窗口选择 `View > Representations > Equation`，可以查看每个内生变量对应的 VAR 方程。
2. **脉冲响应函数（IRF）**
选择 `Impulse Response` 选项，可以分析一个变量的冲击对系统中其他变量的动态影响。
3. **方差分解**
选择 `Variance Decomposition` 选项，可以分析每个变量的波动来源（由哪些变量的冲击驱动）。
**四、注意事项**
1. **VAR 与 VECM 的选择**
如果变量之间不存在协整关系，则可以直接使用差分数据构建 VAR 模型。
如果变量之间存在协整关系，则必须使用 VECM，以保留变量之间的长期关系。
2. **经济意义的解释**
若使用差分数据（Δ变量）构建 VAR 模型，结果反映的是变量增长率之间的动态关系，而非水平值的关系。
3. **样本大小的影响**
滞后阶数过多可能导致自由度不足，特别是在样本量较小时。需要在模型复杂性与样本大小之间权衡。
京公网安备 11010802022788号
