แบบจําลอง vector autoregressive (var) และการ ......โดย...

โดยอาจารย ดร. เฉลมพล จตพร

สาขาวชาเศรษฐศาสตร มหาวทยาลยสโขทยธรรมาธราช

แบบจาลอง Vector Autoregressive (VAR) และการประยกต

คมอการใชโปรแกรมสาเรจรปทางเศรษฐมต GRETL

Edition 1.0 (01-09-2560)

เนอหา

1. แนวคดพนฐานเกยวกบแบบจาลอง Vector Autoregressive (VAR) 2. การประยกตแบบจาลอง Vector Autoregressive (VAR) การวเคราะหความสมพนธเชงดลยภาพระยะยาว (Johansen cointegration) การวเคราะหความสมพนธเชงเหตผล (Granger causality) การวเคราะหการแยกสวนความแปรปรวน (Variance decomposition analysis) การวเคราะหการตอบสนองอยางฉบพลน (Impulse response function)

3. การใชงานโปรแกรม GRETL เพอวเคราะหแบบจาลอง VAR และการประยกต4. ฝกปฏบต: การวเคราะหแบบจาลอง VAR และการประยกต ดวยโปรแกรม GRETL

of 44

อาจารย ดร.เฉลมพล จตพร

แนวคดพนฐานเกยวกบแบบจาลอง VAR

VAR ???

แบบจาลอง VAR คอ อะไร?

แบบจาลอง Vector Autoregressive (VAR) เปนแบบจาลองทมลกษณะเชนเดยวกบระบบสมการตอเนอง กลาวคอ มการพจารณาตวแปรตามหรอตวแปรภายใน (Dependent or endogenous variables) หลายตวพรอมกน

ตวแปรภายในจะถกกาหนดดวยอดตของตวมนเอง (Lagged variable) และถกอธบายดวยตวแปรลาชาของตวแปรภายในตวอนๆ

of 44


โครงสรางแบบจาลอง VAR กรณ Y และ X เปน I(0)

Bivariate Autoregressive Model:

Y α β Y β X ε

X α β Y β X ε

Eq.(1)

Eq.(2)

โดยกาหนดใหY และ X มความหยดนง (Stationary) รปแบบ I(0) ทกตว

หมายเหต: แบบจาลอง VAR ทประกอบดวยตวแปร 2 ตว เรยกวา Bivariate Autoregressive Model

โครงสรางแบบจาลอง VAR กรณ Y และ X เปน I(1)

∆X α β ∆Y β ∆X ε

∆Y α β ∆Y β ∆X ε Eq.(3)

Eq.(4)

Bivariate Autoregressive Model:

โดยกาหนดใหY และ X มความหยดนง (Stationary) รปแบบ I(1) ทกตว

of 44


ขนตอนในการสรางแบบจาลอง VAR

ขนตอนท 1 ทดสอบความหยดนง โดยตวแปรทกตวตองมความหยดนงทระดบเดยวกน เพอปองกนการเกดปญหา Spurious relationship

ขนตอนท 2 เลอกความลาชาของชวงเวลา (p) ทเหมาะสมของแบบจาลอง VAR (VAR optimal lag selection)

ขนตอนท 3 ประมาณคาพารามเตอรแบบจาลอง VAR (Estimator คอ OLS)

ตวอยาง

กรณศกษา: ความสมพนธระหวางราคาขาว ราคาสนคาเกษตร และราคาอาหารในตลาดโลก โดยกาหนดให

p_rice คอ ราคาขาว (อางองราคาขาวไทย FOB)p_agr คอ ราคาสนคาเกษตร (ดชนราคาสนคาเกษตร)

p_food คอ ราคาอาหาร (ดชนราคาอาหาร) ลกษณะของขอมล อนกรมรายเดอน เรมตงแต เดอน ม.ค. 1980 – ธ.ค. 2016 รปแบบจาลอง กรณท 1: อนกรมเวลามความหยดนง ณ ลาดบ I(d) = I(0) กรณท 2: อนกรมเวลามความหยดนง ณ ลาดบ I(d) = I(1)

ขอมลจาก World Bank

of 44


กรณท 1: อนกรมเวลามความหยดนง ณ ลาดบ I(d) = I(0)

p_rice α β p_rice β p_agr β p_food ε

p_agr α β p_rice β p_agr β p_food ε

p_food α β p_rice β p_agr β p_food ε

หมายเหต: โครงสรางแบบจาลอง VAR(p) จานวน 3 ตวแปร สามารถเรยกวาแบบจาลอง Trivariate Autoregressive Model (ประมาณคาพารามเตอร ดวยวธ OLS)


หมายเหต: โครงสรางแบบจาลอง VAR(p) จานวน 3 ตวแปร สามารถเรยกวาแบบจาลอง Trivariate Autoregressive Model (ประมาณคาพารามเตอร ดวยวธ OLS)

∆p_rice α β ∆p_rice β ∆p_agr β ∆p_food ε

∆p_agr α β ∆p_rice β ∆p_agr β ∆p_food ε

∆p_food α β ∆p_rice β ∆p_agr β ∆p_food ε

of 44


ผลการประมาณคา สปส. แบบจาลอง VAR(2)

∆p_rice 0.0004 0.39∆p_rice 0.16∆p_rice 0.19∆p_agr 0.25∆p_agr 0.10∆p_food 0.05∆p_food

S.E. (0.002) (0.05)*** (0.05)*** (0.28) (0.28) (0.21) (0.21)

หมายเหต:I(1) ทกตวแปรVAR(2)Log function


∆p_agr 0.0003 0.30∆p_rice 0.05∆p_rice 0.28∆p_agr 0.37∆p_agr 0.07∆p_food 0.27∆p_food

S.E. (0.001) (0.02) (0.02)*** (0.12)** (0.12)*** (0.09) (0.09)***


of 44



∆p_food 0.0005 0.01∆p_rice 0.07∆p_rice 0.07∆p_agr 0.44∆p_agr 0.40∆p_food 0.33∆p_food

S.E. (0.001) (0.03) (0.03)*** (0.16) (0.16)*** (0.12)*** (0.12)***


การประยกตแบบจาลอง Vector Autoregressive (VAR)

==> Johansen cointegration

==> Granger causality

==> Variance decomposition analysis

==> Impulse response function

of 44


การวเคราะหความสมพนธเชงดลยภาพระยะยาว

การวเคราะหความสมพนธเชงดลยภาพระยะยาว ดวยวธ Johansen cointegration ( Johansen, 1988, 1991, 1995) ได รบการพฒนา เพ อแกไขขอบกพรองในแบบจาลอง Cointegration ของ Engle and Granger (1987)

ความสมพนธเชงดลยภาพระยะยาว เปนการเคลอนไหว (Movement) ของขอมลอนกรมเวลาตงแต 2 ชดขอมล พรอมๆ กน ในสภาวะทแนนอน (Steady state) หรอเรยกวา สภาวะดลยภาพ

Johansen cointegration ใชโครงสรางแบบจาลอง VAR จงทาใหมลกษณะเปน Multivariate cointegration โดยกาหนดให ท กตว แปร เ ปนตว แปรภาย ใน (Endogenous) และประมาณคาพารามเตอร ดวยวธ Maximum likelihood (ML)

ขอบกพรองของ EG Cointegration

ดลยภาพมความแตกตางกน หากสลบขางตวแปร ระหวางตวแปรตาม (Y) และตวแปรอสระ (X)

EG cointegration สามารถอธบายคความสมพนธ (Cointegrating vector) ไดทละค และไมสามารถแยกคความสมพนธได หากมตงแต 3 ตวแปรขนไป

EG cointegration ประกอบดวย 2 ขนตอน (Two-step approach) ดงนน ความคลาดเคลอนในขนตอนท 1 อาจตดไปในขนตอนท 2

อานเพมเตม Asteriou and Hall (2007)

of 44


ขนตอนการทดสอบ Johansen cointegration

ขนตอนท 1 ตรวจสอบอนดบความหยดนงของอนกรมเวลา โดยทอนกรมเวลาตองมอนดบความหยดนงในระดบเดยวกน คอ I(1)

ขนตอนท 2 ตรวจสอบอนดบความลาชาของชวงเวลาทเหมาะสม (VAR optimal lag selection) โดยใชขอมลระดบปกตของขอมล (Level stage)

ขนตอนท 3 ระบแบบจาลองเพอทดสอบ Cointegration (ภายใต 5 เงอนไข) หมายเหต: โปรแกรม GRETL จะระบเงอนไขของแบบจาลองเปนดงน No constant Restricted constant Unrestricted constant Restricted trend Unrestricted trend

เงอนไขการทดสอบ Johansen cointegration

แบบจาลองเพอทดสอบ Johansen cointegration แบงออกเปน 5 เงอนไข ดงน1. No intercept or trend in CE or VAR2. Intercept (no trend) in CE, no intercept or trend in VAR3. Intercept in CE and VAR, no trends in CE and VAR4. Intercept in CE and VAR, linear trend in CE, no trend in VAR5. Intercept and quadratic trend in the CE intercept and linear trend in VAR

โดยกาหนดใหCE คอ Cointegrating Equation หรอ (Cointegrating vector)

of 44


โครงสรางแบบจาลองเพอการทดสอบ

โครงสรางของแบบจาลองเพอการทดสอบ Johansen cointegration

โดยกาหนดให Y คอ เมตรกซตวแปร, C คอ คาคงท, T คอ คาแนวโนม, คอ Cointegratingvector และ α คอ Speed of adjustment

สถตทใชในการทดสอบ (Trace and Max-eigenvalue statistics)

λ N ln 1 λλ N ln 1 λ

λ Nln 1 λλ Nln 1 λและ

ΔY C δ T α C Y 1T Γ ΔY ε ΔY C δ T αβCδ

Y 1T Γ ΔY ε

CE

การพจารณา Cointegrating vector

การพจารณาจานวน Cointegrating vector (Rank: r) สามารถแบงไดเปน 3 กรณ คอ1. Full rank คอ จานวน Cointegrating vector (r) เทากบ n แสดงวาตวแปรทกตว Stationary I(0) ==> VAR I(0)2. Rank (r) = 0 แสดงวาตวแปรทกตว มลกษณะไมมความหยด นง (ไมม Cointegration เกดขน) ==> VAR I(1)3. Rank = r โดยท 0 < r < n แสดงวาม Cointegrating vector เทากบ r ตว ==> VECM

อานเพมเตม Asteriou and Hall (2007)

of 44


ตวอยาง ผลการวเคราะห Johansen cointegration

Hypothesis:0 = Non (No-cointegrating vector)1 = At most 1 cointegrating vector2 = At most 2 cointegrating vector

Based on VAR(2)

แบบจาลองการปรบตวระยะสน (VECM)

เมอการทดสอบ Johansen cointgration พบวาม Cointegration หรอมความสมพนธเชงดลยภาพระยะยาวเกดขน จะเปดโอกาสใหทาการวเคราะหการปรบตวระยะสนเพอเขาสดลยภาพระยะยาวได ดวยแบบจาลอง Vector Error Correction Model (VECM) โดยมโครงสรางแบบจาลอง ดงน

ΔY C δ T α C Y 1T Γ ΔY ε ΔY C δ T αβCδ

Y 1T Γ ΔY ε

CE

หมายเหต: มลกษณะเชนเดยวกบการทดสอบ Johansen cointegration

of 44


ตวอยาง Cointegrating equation

ββ

αα

Cointegrating equationCointegrating equation

ตวอยาง VECM: d_l_p_rice

∆p_rice 0.07 0.37∆p_rice 0.19∆p_agr 0.05∆p_food 0.08ECT , 0.07ECT ,

S.E. (0.03)*** (0.04)*** (0.26) (0.20) (0.15)*** (0.60)

of 44


ตวอยาง VECM: d_l_p_agr

∆p_agr 0.008 0.0003∆p_rice 0.35∆p_agr 0.01∆p_food 0.004ECT , 0.04ECT ,

S.E. (0.01) (0.02) (0.11)*** (0.09) (0.00) (0.03)

ตวอยาง VECM: d_l_p_food

∆p_food 0.03 0.02∆p_rice 0.03∆p_agr 0.36∆p_food 0.003ECT , 0.10ECT ,

S.E. (0.02)* (0.03) (0.15) (0.12)*** (0.008) (0.03)***

of 44


การวเคราะหความสมพนธเชงเหตผล

การว เคราะหความสมพนธ เ ชง เหตผล (Granger causality) เ ปนการศกษาความสมพนธระหวางตวแปร โดยมงเนนวาตวแปรทใชในการศกษาน น มความสมพนธเปนเหตเปนผลซงกนและกนหรอไม

กลาวคอ ถา Y ถกอธบายไดดวย X อยางเปนเหตเปนผล กตอเมอคาในอดตของ X (Xt-1, Xt-2,…, Xt-p) สามารถชวยกาหนดการเปลยนแปลงของ Yt ไดอยางถกตองและแมนยา นนคอ ตวแปร X เปนสาเหตตอการเปลยนแปลงของตวแปร Y หรอกลาวไดวา X มความสมพนธเชงเหตผลรวมกบ Y นนเอง (X ==> Y)

สมมตฐาน Granger causality

สมมตฐานหลก (H0) คอ X does not Granger cause Y (X=/=>Y) หรอ X ไมมความสมพนธเชงเหตผลรวมกบ Y (หรอ การเปลยนแปลงของ X ไมสงผลตอการเปลยนแปลงของ Y)

สมม ต ฐ านท า ง เ ล อ ก ( HA) ค อ X Granger causes Y (X==>Y) ห ร อ X มความสมพนธเชงเหตผลรวมกบ Y (หรอ การเปลยนแปลงของ X สงผลตอการเปลยนแปลงของ Y)

หมายเหต: หากพบความสมพนธ 1 ทศทาง จะเรยกวา Uni-directional(One-way) relationship และหากพบ 2 ทศทาง เรยกวา Bi-directional(Two-way) relationship

of 44



Y α β Y β X ε

X α β Y β X ε

Eq.(1)

Eq.(2)

สมมตฐานในการทดสอบ (โดย F หรอ χ2 statistics)H0: β2 = 0 หมายถง X=/=>Y Eq.(1)

H0: β3 = 0 หมายถง Y=/=>X Eq.(2)

การทดสอบสมมตฐาน


สมมตฐานในการทดสอบ (โดย F หรอ χ2 statistics)H0: β2 = 0 หมายถง X=/=>Y Eq.(1)

H0: β3 = 0 หมายถง Y=/=>X Eq.(2)

∆X α β ∆Y β ∆X ε

∆Y α β ∆Y β ∆X ε Eq.(3)

Eq.(4)

การทดสอบสมมตฐาน

of 44


Conclusion: Step to Run the Granger causality

Test for stationarity Find out the optimal lag order of Vector Autoregressive (p) or VAR(p) Run Granger causality using lag order from VAR(p)

ตวอยาง Granger causality: d_l_p_rice

of 44


ตวอยาง Granger causality: d_l_p_agr

ตวอยาง Granger causality: d_l_p_food

of 44


การวเคราะหการแยกสวนความแปรปรวน

การวเคราะหการแยกสวนความแปรปรวน (Variance decomposition analysis: VDA) เ ปนเทคนคเพอพยากรณองคประกอบของความเสยง (Shocks หรอ Innovations) จากตวแปรทกตว ท ม อทธพลตอตวแปรภายใน (Endogenous variable: Y)

VDA เปนการเปรยบเทยบสดสวนของความสมพนธระหวางความแปรปรวนภายในแบบจาลองในแตละชวงเวลา

หากตวแปรใดมสดสวนของความแปรปรวนสง (Variance proportion) แสดงใหเหนถงความสามารถในการกาหนดหรอทานายการเคลอนไหวของตวแปรภายในไดมาก

การวเคราะหการแยกสวนความแปรปรวน (ตอ)

การวเคราะหการแยกสวนความแปรปรวนใชตวแบบมาตรฐาน VAR โดยรปแบบพยากรณมลกษณะเปนคาเฉลยเคลอนท (Moving average)

Z E Z μ ∅ uZ E Z μ ∅ u

โดยกาหนดให n คอ จานวนชวงเวลาในการพยากรณ และ E(Zt+n) คอ คาความคาดหวงของ Zt+n ซงการคานวณของสดสวนความแปรปรวน (σ2) ของตวแปรภายใน (สมมตใหเปนตวแปร Y) จากตวรบกวน uYt และ uXt แสดงไดดงน

อานเพมเตม Enders (2010)

uσ ∅ ⋯ ∅

σ nuYt

σ ∅ ⋯ ∅

σ n u

σ ∅ ⋯ ∅

σ nuXt

σ ∅ ⋯ ∅

σ n

of 44


ตวอยาง VDA: d_l_p_rice

ตวอยาง VDA: d_l_p_agr

of 44


ตวอยาง VDA: d_l_p_food

การวเคราะหการตอบสนองอยางฉบพลน

การวเคราะหการตอบสนองอยางฉบพลน (Impulse response function: IRF) เปนเทคนคเพอพยากรณการตอบสนองตอสงเราหรอตวรบกวน (Shocks หรอ Innovations) ของตวแปรภายใน (Endogenous variable) แตละตวในแบบจาลอง VAR(p)

เรมจากคาปจจบนและอนาคตอยางตอเนอง เพอตรวจสอบระยะเวลาในการปรบตวเขาสดลยภาพใหมซงเปนลกษณะเสนทางเดน (Time path) ของการปรบตวของตวแปรภายใน

of 44


การวเคราะหการตอบสนองอยางฉบพลน

การตอบสนองอยางฉบพลนมลกษณะเปนคาเฉลยเคลอนท (Moving average) ในตวแบบโครงสราง VAR โดยสามารถแสดงในลกษณะเมตรกซความสมพนธระหวางตวรบกวนและตวแปรภายในไดดงน

YX

YX

∅ i ∅ i∅ i ∅ i

uu

YX

YX

∅ i ∅ i∅ i ∅ i

uu

Z μ ∅ uZ μ ∅ u

สามารถแสดงรปยอของแบบจาลองไดดงน

โดยกาหนดให ϕ คอ สมประสทธตวประมาณคาพารามเตอร และ u คอ ตวรบกวน (Shocks) อานเพมเตม Enders (2010)

ตวอยาง การวเคราะห Impulse response function

Response ofd_l_p_rice

Response ofd_l_p_agr

Response ofd_l_p_food

of 44


การใชงานโปรแกรม GRETLเพอวเคราะหแบบจาลอง VAR และการประยกต

GRETL

ตวอยาง (Excel: time series01)

กรณศกษา: ความสมพนธระหวางราคาขาว ราคาสนคาเกษตร และราคาอาหารในตลาดโลก โดยกาหนดให

p_rice คอ ราคาขาว (อางองราคาขาวไทย FOB)p_agr คอ ราคาสนคาเกษตร (ดชนราคาสนคาเกษตร)

p_food คอ ราคาอาหาร (ดชนราคาอาหาร) การวเคราะหตามเงอนไข ดงน

1. ตรวจสอบความหยดนง (p_rice, p_agr และ p_food โดยตวแปรอยในรปแบบของฟงกชน Log: l)2. วเคราะห Johansen cointegration และแบบจาลอง VECM 3. วเคราะหแบบจาลอง VAR(p) 4. วเคราะหความสมพนธเชงเหตผล (Granger causality)5. วเคราะหการแยกสวนความแปรปรวน (Variance decomposition analysis)6. วเคราะหการตอบสนองอยางฉบพลน (Impulse response function)

of 44


1. การตรวจสอบความหยดนงของอนกรมเวลา(Stationary test of time series)

==> ADF unit root test

==> Stationary time series

==> Non-stationary time series

1.1 การตรวจสอบความหยดนงของ l_p_rice

Non-stationarity

Stationarity

= I(1)= I(1)

Variable>Unit root tests>Augmented Dickey-Fuller testVariable>Unit root tests>Augmented Dickey-Fuller test* ศกษาเพมเตมไดจาก คมอการใชโปรแกรมสาเรจรปทางเศรษฐมต GRETL: การวเคราะหอนกรมเวลาเบองตน

of 44


1.2 การตรวจสอบความหยดนงของ l_p_agr

Non-stationarity

Stationarity

= I(1)= I(1)Variable>Unit root tests>Augmented Dickey-Fuller testVariable>Unit root tests>Augmented Dickey-Fuller test

1.3 การตรวจสอบความหยดนงของ l_p_food

Non-stationarity

Stationarity

= I(1)= I(1)Variable>Unit root tests>Augmented Dickey-Fuller testVariable>Unit root tests>Augmented Dickey-Fuller test

of 44


2. การวเคราะหความสมพนธเชงดลยภาพระยะยาวและแบบจาลองการปรบตวระยะสน

(Johansen cointegration and VECM)

==> Stationary test of time series expected I(1) process

==> VAR optimal lag(p) selection using time series at level stage

==> Johansen cointegration using optimal lag VAR(p)

==> Vector Error Correction Model (VECM)

2.1 ขนตอนการเลอก VAR(p) สาหรบ Cointegration

Model>Time series>Multivariate>VAR lag selectionModel>Time series>Multivariate>VAR lag selection

of 44


2.2 Criteria ของแบบจาลอง VAR(p)

VAR(p) ทใชใน Johansen cointegration ตองอยในระดบปกต (Level stage) เทานน

2.3 ผลการเลอก VAR(p) สาหรบ Cointegration

BIC/HQC ==> VAR(2)AIC ==> VAR(3)

of 44


2.4 ขนตอนการวเคราะห Johansen cointegration

Model>Time series>Multivariate>Cointegration test (Johansen)

2.5 Criteria ของ Johansen cointegration

การวเคราะห Johansen cointegration ตองใชขอมล ณ ระดบปกต (Level stage)

Lag order ไดจากแบบจาลอง VAR(p) ณ ระดบปกตของขอมล

of 44


2.6 ผลการทดสอบ Johansen cointegration

Hypothesis:0 = Non (No-cointegrating vector)1 = At most 1 cointegrating vector2 = At most 2 cointegrating vector

2.7 ขนตอนการวเคราะห VECM

Model>Time series>Multivariate>VECM

of 44


2.8 Criteria ของ VECM

rank = 2 ตามผลลพธ (จานวน rank) ของ Cointegration

เงอนไขเชนเดยวกบการทดสอบ Johansen cointegration

2.9 ผลการวเคราะห VECM: Cointegrating Eq.

ββ

αα

Cointegrating equationCointegrating equation

of 44


2.10 ผลการวเคราะห VECM: d_l_p_rice

∆p_rice 0.07 0.37∆p_rice 0.19∆p_agr 0.05∆p_food 0.08ECT , 0.07ECT ,

S.E. (0.03)*** (0.04)*** (0.26) (0.20) (0.15)*** (0.60)

2.11 ผลการวเคราะห VECM: d_l_p_agr

∆p_agr 0.008 0.0003∆p_rice 0.35∆p_agr 0.01∆p_food 0.004ECT , 0.04ECT ,

S.E. (0.01) (0.02) (0.11)*** (0.09) (0.00) (0.03)

of 44


2.12 ผลการวเคราะห VECM: d_l_p_food

∆p_food 0.03 0.02∆p_rice 0.03∆p_agr 0.36∆p_food 0.003ECT , 0.10ECT ,

S.E. (0.02)* (0.03) (0.15) (0.12)*** (0.008) (0.03)***

3. การวเคราะหแบบจาลอง VAR(p)(Vector Autoregressive: VAR)

==> Stationarity test of time series using ADF unit root

==> VAR optimal lag (p) selection using time series at stationary order

==> Vector Autoregressive (VAR) Model using optimal lag VAR(p)

of 44


3.1 ขนตอนการเลอก VAR optimal lag (p)

Model>Time series>Multivariate>VAR lag selection

3.2 Criteria ของแบบจาลอง VAR

of 44


3.3 ผลการเลอก VAR optimal lag (p)

BIC ==> VAR(1)AIC/HQC ==> VAR(2)

3.4 ขนตอนการวเคราะหแบบจาลอง VAR(2)

Model>Time series>Multivariate>Vector Autoregression

of 44


3.5 Criteria ของแบบจาลอง VAR(2)

3.6 ผลการวเคราะหแบบจาลอง VAR(2): d_l_p_rice

∆p_rice 0.0004 0.39∆p_rice 0.16∆p_rice 0.19∆p_agr 0.25∆p_agr 0.10∆p_food 0.05∆p_food

S.E. (0.002) (0.05)*** (0.05)*** (0.28) (0.28) (0.21) (0.21)

of 44


3.7 ผลการวเคราะหแบบจาลอง VAR(2): d_l_p_agr

∆p_agr 0.0003 0.30∆p_rice 0.05∆p_rice 0.28∆p_agr 0.37∆p_agr 0.07∆p_food 0.27∆p_food

S.E. (0.001) (0.02) (0.02)*** (0.12)** (0.12)*** (0.09) (0.09)***

3.8 ผลการวเคราะหแบบจาลอง VAR(2): d_l_p_food

∆p_food 0.0005 0.01∆p_rice 0.07∆p_rice 0.07∆p_agr 0.44∆p_agr 0.40∆p_food 0.33∆p_food

S.E. (0.001) (0.03) (0.03)*** (0.16) (0.16)*** (0.12)*** (0.12)***

of 44


4. การวเคราะหความสมพนธเชงเหตผล(Granger causality)

==> Stationarity test using ADF unit root



==> Granger causality

4.1 ผลการวเคราะห Granger causality

หมายเหต: ผลการวเคราะห Granger causality ไดจากการวเคราะหแบบจาลอง VAR ในขนตอนท 3

nsns

of 44




**

***



****

of 44


5. การวเคราะหการแยกสวนของความแปรปรวน (Variance decomposition analysis: VDA)




==> Variance decomposition analysis (VDA)

5.1 ขนตอนการวเคราะหการแยกสวนความแปรปรวน

เมอไดผลการวเคราะหแบบจาลอง VAR>Analysis>Forecast variance decompositionจากนน ใหเลอกจานวนชวงการพยากรณ>OK

of 44


5.2 ผลการวเคราะหการแยกสวนความแปรปรวน


of 44



6. การวเคราะหการตอบสนองอยางฉบพลน(Impulse response function: IRF)




==> Impulse response function (IRF)

of 44


6.1 ขนตอนการวเคราะหการตอบสนองอยางฉบพลน

เมอไดผลการวเคราะหแบบจาลอง VAR>Graphs>Impulse responses (combined)จากนน ใหเลอกจานวนชวงการพยากรณ>OK

6.2 ผลการวเคราะหการตอบสนองอยางฉบพลน

Response ofd_l_p_rice

Response ofd_l_p_agr

Response ofd_l_p_food

of 44


ฝกปฏบต: การวเคราะหแบบจาลอง VAR และการประยกต ดวยโปรแกรม GRETL

GRETL

ฝกปฏบต 01 (Excel: regression07)

กจกรรม gdp Vs. gdp_agr gdp Vs. gdp_in gdp Vs. gdp_ser

โดยกาหนดให gdp = GDP (เปนตวอสระ) gdp_agr = GDP ภาคการเกษตร gdp_in = GDP ภาคอตสาหกรรม gdp_ser = GDP ภาคบรการ

==> Johansen cointegration==> VECM==> VAR(p)==> Granger causality==> Variance decomposition analysis==> Impulse response function

of 44


ฝกปฏบต 02 (Excel: time series02)

กรณศกษา: ความสมพนธเชงดลยภาพและการปรบตวของสนคาเกษตรชนดหนง (สนคา A) โดยกาหนดให

fg = ราคาหนาฟารม (Farm-gate)ws = ราคาขายสง (Wholes sale)fob = ราคาสงออก (F.O.B)wd = ราคาตลาดโลก (World price)

Pair-cointegration==> Johansen(Pair) cointegration==> VAR(p)==> Granger causality==> Variance decomposition==> Impulse response function

Multiple cointegration==> Johansen(Multiple) cointegration==> VAR(p)==> Granger causality==> Variance decomposition==> Impulse response function

Vs

Pair cointegration Vs. Multiple cointegration

FG WS FOB WD

FG

WS

FOB

WD

of 44


บรรณานกรม

Enders, W. (2004). Applied econometric time series. (Second Edition). John Wiley & Sons Inc: New York.Engle, R. F., Granger, C. W. J. (1987). Cointegration and error correction: Representation, estimation and testing.

Econometrica, 55, 251-276.Johansen, S. (1988). Statistical analysis of cointegration vectors. Journal of Economic Dynamics and Control, 12, 231-

254.Johansen, S. (1991). Estimation and hypothesis testing of cointegration vectors in Gaussian vector autoregressive

models. Econometrica, 59, 1551-1580.Johansen, S. (1995). Likelihood-based in inference in cointegrated vector autoregressive models. Oxford University

Press: Oxford.

อาจารย ดร.เฉลมพล จตพรE-mail address: [email protected]

Thank You (Q&A)

of 44


แบบจําลอง vector autoregressive (var) และการ ......โดย...

Documents