在结构向量自回归(SVAR)模型中,矩阵A和B用于定义短期约束条件,这些条件通常反映了经济理论或先验知识。对于三变量的3x3矩阵:
- 矩阵A描述了第一个冲击对其他两个变量的影响,而矩阵B则描述了第二个冲击对其他两个变量的影响。
A = \[
\begin{bmatrix}
1 & 0 & 0 \\
a_{21} & 1 & 0 \\
a_{31} & na & 1
\end{bmatrix}
\]
B = \[
\begin{bmatrix}
na & 0 & 0 \\
0 & na & 0 \\
0 & 0 & na
\end{bmatrix}
\]
这里的1表示变量对其自身的影响是不被约束的,即自回归系数为1。0意味着一个变量在受到特定冲击时,对其他某个变量没有直接影响。NA代表需要估计的参数。
对于P值大于0.05的问题,这与显著性有关。如果某些SVAR模型的参数(如A或B矩阵中的元素)的P值大于0.05,通常意味着这个参数的效应不显著,即在统计上可能为零。这可能会导致你对模型的解释产生怀疑,或者需要调整你的约束条件。
关于SVAR与VAR的区别,主要体现在结构解释上。在VAR模型中,所有变量互相影响,但没有明确的经济意义或因果关系。而在SVAR模型中,每个冲击都具有特定的经济含义(例如,货币政策冲击、财政政策冲击等),并且你可以分析这些冲击如何通过系统传递。这使得SVAR更适用于检验宏观经济理论和政策分析。
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