Проверка на наличие коинтеграции в VAR

Проведем тест Йохансена на наличие коинтеграции.

 

Date: 05/22/07 Time: 23:07

Sample(adjusted): 1973 2005

Included observations: 24

Excluded observations: 9 after adjusting endpoints

Trend assumption: Linear deterministic trend

Series: LINF LINT

Lags interval (in first differences): 1 to 1, 8 to 8, 10 to 10, 12 to 12

           

Unrestricted Cointegration Rank Test

           
Hypothesized   Trace 5 Percent 1 Percent  
No. of CE(s) Eigenvalue Statistic Critical Value Critical Value  
           
None  0.454873  14.66052  15.41  20.04  
At most 1  0.004110  0.098833 3.76 6.65  
           

 *(**) denotes rejection of the hypothesis at the 5%(1%) level

 Trace test indicates no cointegration at both 5% and 1% levels

           
           
Hypothesized   Max-Eigen 5 Percent 1 Percent  
No. of CE(s) Eigenvalue Statistic Critical Value Critical Value  
           
None *  0.454873  14.56169  14.07  18.63  
At most 1  0.004110  0.098833 3.76 6.65  
           

 *(**) denotes rejection of the hypothesis at the 5%(1%) level

 Max-eigenvalue test indicates 1 cointegrating equation(s) at the 5% level

 Max-eigenvalue test indicates no cointegration at the 1% level

           

 Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):

           
LINF LINT        
 2.749004 -4.900457        
-0.468720  5.747931        
           
           

 Unrestricted Adjustment Coefficients (alpha):

           
D(LINF) -0.239761 -0.000107      
D(LINT) -0.031899 -0.004653      
           
           

1 Cointegrating Equation(s):

Log likelihood  27.02196    
           

Normalized cointegrating coefficients (std.err. in parentheses)

LINF LINT        
 1.000000 -1.782630        
   (0.51539)        
           

Adjustment coefficients (std.err. in parentheses)

D(LINF) -0.659104        
   (0.19284)        
D(LINT) -0.087690        
   (0.05917)        
           
           

Видно, что Trace test не нашел коинтеграции, на Max-eigenvalue test нашел одно коинтеграционное соотношение. Коэффициент коинтегации для данного соотношения является вектор β=(1,-1,78), то есть linf=1,78*lint. Это не совпадает с тем, что получилось по методологии Ингла-Грейнджера, но если подходить формально, то по методологии И-Г коинтеграции не было найдено, если все делать честно, а мощность теста Йохансена больше мощности теста И-Г, следовательно, можно считать получившийся результат корректным.

 

Построение VECM

Построим VECM для данных рядов.

 

Vector Error Correction Estimates

 Date: 05/22/07 Time: 23:08

 Sample(adjusted): 1973 2005

 Included observations: 24

 Excluded observations: 9 after adjusting

   Endpoints

 Standard errors in () & t-statistics in [ ]

Cointegrating Eq: CointEq1  
LINF(-1)  1.000000  
     
LINT(-1) -1.782630  
   (0.51539)  
  [-3.45882]  
     
C  5.981372  
Error Correction: D(LINF) D(LINT)
CointEq1 -0.659104 -0.087690
   (0.19284)  (0.05917)
  [-3.41784] [-1.48193]
     
D(LINF(-1))  0.024440 -0.057765
   (0.16038)  (0.04921)
  [ 0.15239] [-1.17380]
     
D(LINF(-8))  0.001106  0.207794
   (0.24123)  (0.07402)
  [ 0.00459] [ 2.80718]
     
D(LINF(-10))  0.117375  0.134771
   (0.25494)  (0.07823)
  [ 0.46041] [ 1.72282]
     
D(LINF(-12))  0.331020 -0.029864
   (0.20985)  (0.06439)
  [ 1.57739] [-0.46378]
     
D(LINT(-1)) -0.135024  0.332592
   (0.58904)  (0.18075)
  [-0.22923] [ 1.84011]
     
D(LINT(-8))  0.794195  0.051159
   (0.69714)  (0.21392)
  [ 1.13922] [ 0.23915]
     
D(LINT(-10)) -1.155513  0.111530
   (0.80377)  (0.24664)
  [-1.43761] [ 0.45221]
     
D(LINT(-12)) -2.337931 -0.430102
   (0.76577)  (0.23498)
  [-3.05303] [-1.83041]
     
C  0.113615  0.007049
   (0.08638)  (0.02651)
  [ 1.31532] [ 0.26595]
 R-squared  0.611026  0.724593
 Adj. R-squared  0.360971  0.547546
 Sum sq. resids  1.653457  0.155682
 S.E. equation  0.343663  0.105452
 F-statistic  2.443565  4.092651
 Log likelihood -1.952296  26.40143
 Akaike AIC  0.996025 -1.366786
 Schwarz SC  1.486880 -0.875930
 Mean dependent  0.059655 -0.016792
 S.D. dependent  0.429905  0.156772

 Determinant Residual Covariance

 0.001060

 Log Likelihood

 27.02196

 Log Likelihood (d.f. adjusted)

 14.08604

 Akaike Information Criteria

 0.659497

 Schwarz Criteria

 1.739379

 

Коэффициенты при остатках для обеих моделей являются отрицательными, но для второй модели (где соотношением является lint linf) в доверительный интервал для коэффициента при res(-1) попадает 0, следовательно, коэффициент не значим. Таким образом, корректной является модель linf lint, то есть модель коррекции ошибок была построена адекватно для соотношения linf = 1,78*lint и скорость коррекции составляет 65%.

 

Тест Granger’a

Проведем тест Granger’a.

 

VEC Pairwise Granger Causality/Block Exogeneity Wald Tests

Date: 05/22/07 Time: 23:30

Sample: 1960 2005

Included observations: 24

       

Dependent variable: D(LINF)

Exclude Chi-sq df Prob.
D(LINT)  11.19586 4  0.0244
All  11.19586 4  0.0244
       

Dependent variable: D(LINT)

Exclude Chi-sq df Prob.
D(LINF)  10.92753 4  0.0274
All  10.92753 4  0.0274
       

По результатам теста Granger’a получается, что каждый из рядов является причиной для другого ряда. Такого быть не может, причинность по Грейнджреу может возникать только в одну сторону. Следовательно, можно сделать вывод, что ни один из рядов не является причиной для другого по Грейнджеру.

 


* В дальнейшем при проверке на автокорреляцию будем выписывать только часть таблицы Eviews, так как нас интересует только значение prob при F-statistic, для определения наличия или отсутствия автокрреляции.

* Больше 10-го лага Eviews не считал, так как не хватило данных.



Понравилась статья? Добавь ее в закладку (CTRL+D) и не забудь поделиться с друзьями:  



double arrow
Сейчас читают про: