【摘要】：VAR模型的稳定是保证脉冲响应和方差分解有效性的前提条件。假如只是构建VAR模型，那么模型会出现不平稳和脉冲响应函数不收敛现象，导致VAR模型的脉冲响应函数丧失其应用价值。根据最佳滞后期准则选择滞后期为2期，建立的VAR模型如表5-2所示。表5-2VAR模型的参数估计和检验统计量结果续表续表从模型的结果中可以看出，当APSQR作为被解释变量的时候模型的拟合优度最高，其他3个解释变量可以在一定程度上解释被解释变量的变动。
VAR模型的稳定是保证脉冲响应和方差分解有效性的前提条件。假如只是构建VAR模型，那么模型会出现不平稳和脉冲响应函数不收敛现象，导致VAR模型的脉冲响应函数丧失其应用价值。由于原时间序列同阶平稳，所以本章选择建立VAR向量自回归模型。根据最佳滞后期准则（AIC，SC，LR）选择滞后期为2期，建立的VAR模型如表5-2所示。
续表
续表
从模型的结果中可以看出，当APSQR作为被解释变量的时候模型的拟合优度最高，其他3个解释变量可以在一定程度上解释被解释变量的变动。(www.xing528.com)
对于滞后期长度为m且有k个内生变量的VAR模型，特征根多项式有m×k个特征根。本模型中有5个内生变量，且滞后长度为2，因此有10个特征根，当VAR模型的所有特征根的倒数的模小于1（位于单位圆内），则VAR模型是稳定的；如果有一个特征根的倒数的模等于1（位于单位圆上），则VAR模型不稳定，需要重新设定。本模型的AR特征根的倒数的模的单位圆如图5-2所示，可以看出，没有位于单位圆外面以及单位圆上的特征根，那么本模型可以通过稳定性检验，认定模型是稳定的。
图5-2 AR特征根的倒数的模的单位圆
图5-2 AR特征根的倒数的模的单位圆
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
