VECM案例分析知识讲解.docx

V E C M 案 例 分 析 精品文档 1 VECM 模型的具体构建步骤 VECM 模型的具体运用主要包括以下几个步骤： 1、序列的单位根检验 与 VAR 模型不同，VECM 模型是针对非平稳序列而言的。因此在进行协整检 验和运用 VECM 前需进行单位根检验。 2、协整检验 协整检验关键是协整形式和滞后阶数的选择。 3、VECM 模型的估计 若存在协整关系，就可以建立相对应的 VECM 模型，进行估计了。 4、VECM 模型的残差检验 残差检验与 VAR 模型类似，包括残差的独立性检验。 5、VECM 模型的应用 VECM 模型的应用与 VAR 模型类似，包括预测、脉冲响应与方差分解。 VECM 模型的应用举例 4.4.1 案例分析的背景 中国人民银行长期以来坚持以 CPI 作为货币政策导向，并没有考虑资产价格 这一目标。但是随着中国经济市场化程度的不断深化，以股票市场为核心的资本市 场的作用日益凸显。货币政策是否对股票市场产生影响，以及股票市场是否在货币 收集于网络，如有侵权请联系管理员删除 精品文档 政策传导中充当了作用已成为学术界关注的焦点问题。本例将对物价水平、货币政 策、股票市场的相互关系进行分析。 4.4.2 实验数据 本实验选取了 CPI、广义货币供应量（ m）、Shibor、上证 A 股指数（index） 1996 年 12 月至 2010 年 11 月月度数据进行分析。 4.4.3 VECM 模型的构建 1、数据处理 由于 CPI 和上证 A 股指数都是相对数，为了减少基期的影响以及减少异方差 性，对 CPI 和上证 A 股指数取对数。观察广义货币供应量的图形，以及货币政策 的特点，分析广义货币供应量（M）的可能季节性特征，这里采用 X12 进行分 析。在 M 的窗口点击 proc/seasonal adjustment/census X12…，分析结果如下： Sum of Dgrs.of Mean Squares Freedom Square F-Value Between months 61.6039 11 5.60035 13.023** Residual 67.0872 156 0.43005 Total 128.6910 167 **Seasonality present at the 0.1 per cent level. 从而 M 存在季节性。因此对 M 进行季节性调整，季节性调整后的 M 图形如 下： M _SA 800,000 700,000 600,000 500,000 400,000 300,000 200,000 100,000 0 1998 2000 2002 2004 2006 2008 2010 为了平滑 M 的变动趋势，对 M 同样也做对数处理。 2、单位根检验 观察 CPI、上证指数、 Shibor 的图形。 收集于网络，如有侵权请联系管理员删除 精品文档 LCPI 4.70 4.68 4.66 4.64 4.62 4.60 4.58 1998 2000 2002 2004 2006 2008 2010 LINDEX 8.8 8.4 8.0 7.6 7.2 6.8 1998 2000 2002 2004 2006 2008 2010 SHIBOR 12 10 8 6 4 2 0 1998 2000 2002 2004 2006 2008 2010 对四个变量选取相应的形式进行单位根检验。见表 4.1。 表 4.1 各变量单位根检验的结果 变量  水平值检验结果  一阶差分检验结果 收集于网络，如有侵权请联系管理员删除 精品文档 检验形式 （C，T，L）  ADF值  P值  检验形式 （C，T，L）  ADF值  P值* Lcpi Lm  （C，0，12） （C，T，0） - 2.10278 - 0.09094  0.2440 0.9947  （0，0，11） -5.2385 0.0000 （C，0，0） -13.278 0.0000 shibor （C，T，1） -3.2363 0.0810 （C，0，0） -14.317 0.0000 Lindex  （C，0，0） - 1.63892  0.4605  （0，0，1） -7.0603 0.0000 注：检验形式（ C，T ，L）中， C，T ，L分别代表常数项、时间趋势和滞后阶数。滞后阶数根 据SC信息准则选择。 从表中可以看出，在 5％的显著性水平上，所有变量均不平稳，但是一阶差分 均平稳，因此所有变量均是一阶单整过程。 3、协整检验 协整检验的关键是选取协整检验的形式和滞后阶数。根据前面介绍的协整与 VECM 模型的关系，协整方程根据数据特征分成三类。由于部分变量存在截距和