Modele var et vecm

Cher Prof. Giles, je suis très reconnaissant pour tous vos intéressants et fabuleux dans les postes détaillés. Je trouve mon moi dans une situation très inconfortable. J`ai un ensemble de 7 variables (je sais que c`est beaucoup pour un var) données mensuel de 1997 à 2014. j`essaie d`identifier comment différentes variables d`offre et de demande affectent un prix des matières premières. Par conséquent, j`ai effectué mon étude en utilisant une approche SVAR qui a livré IRFs intéressantes. après avoir quitté ce projet sur un côté pour plus d`un an, j`ai trouvé ce poste de la vôtre et me demande si l`analyse SVAR a été la bonne approche de mon étude et si je ne devrais pas envisager un MVCE. Voici quelques-unes des informations:-à partir des 7 variables 5 semblent être I (1), les autres sont stationnaires.-j`ai effectué un test de Johansen pour toutes les variables et il trouve 3 relations de cointégration.-si je choisis seulement les variables i (1) pour tester les relations de co-intégration, j`obtiens seulement 1 relation de cointégration. Je suis très confus sur ce qu`il faut faire. Après avoir investi beaucoup de temps sur ce projet et aller très profondément dans SVARs j`ai le sentiment que mes recherches sont fausses. Pourriez-vous me dire ce que vous en pensez? Merci beaucoup pour votre entrée, Chris le modèle VECM n`est défini que lorsque les séries chronologiques sont cointégrées. Pour que cela soit le cas, la série doit être integratd du même ordre. Donc, la réponse à votre question est “non”.

Vous ne pouvez pas utiliser VAR si les variables dépendantes ne sont pas stationnaires (ce serait une fausse régression). Pour résoudre ces problèmes, nous devons tester si les variables sont cointégrées. Dans ce cas, si nous avons une variable I (1), ou toutes les variables dépendantes sont cointégrées au même niveau, vous pouvez faire VECM. Cher Prof, savez-vous pourquoi VECM modèle prendre la première différence en tant que variable dépendante tandis que VAR prendre le niveau en tant que variable dépendante? Merci. Cher professeur Giles, encore une fois, je ne peux pas vous remercier assez pour ce qui ne peut être décrit comme une institution vraiment fantastique (votre blog). Après avoir lu le papier TY (1995), et entrepris quelques tests, je cherchais à aller plus loin et faire une sorte de vérification de la robustesse dans un cadre VECM, mais je me bats pour trouver un logiciel commercial qui teste la restriction, qui, je crois, provient de Mosconi-Giannini, et c`est ce que je crois est testé dans l`EXCELLENT Clarke et Mirza papier-qui est: le produit des deux éléments pertinents du vecteur de cointégration et le mécanisme de correction d`erreur, et les coefficients sur les variables différencées décalées sont égal à zéro. Si c`est quelque chose que je veux poursuivre plus loin, je vais devoir écrire un fichier MATLAB ou similaire? Est-ce que cela peut être codé en EViews en quelque sorte? Je peux évidemment estimer le VECM, puis l`estimer comme une équation du système par équation, et tester conjointement les alpha = différencés coefficients = 0… mais ce n`est pas tout à fait ce que nous cherchons, car c`est un test qui restreint toute la relation de cointégration, pas seulement une variable. Avez-vous des suggestions? Vraisemblablement, Clarke et Mirza rédiger leur propre code de propriété, mais c`est quelque chose que je serais évidemment désireux d`éviter, si possible! Meilleurs vœux, Merci encore pour tout votre travail acharné qui va dans le blog! Cher Prof. Giles, Merci pour toutes vos précieuses contributions.

Ce blog m`a enseigné beaucoup. Pourtant, j`ai une question concernant la causalité TY. Se réfère-t-il à court terme ou à long terme de causalité? Ma meilleure supposition est à court terme, le même que “régulière” de causalité Granger. Par opposition à la causalité par le terme de correction d`erreur (dans VECM) qui peut être considéré comme la causalité à long terme. Ma compréhension peut être incorrecte, mais n`est pas la première étape est juste ajustement d`une régression entre les séries temporelles en utilisant les OLS-et il vous montre si les séries temporelles sont vraiment cointégrées (si les résidus de cette régression sont stationnaires).