vecm model
DESCRIPTION
Analiza vremenskih nizova - VECM modelTRANSCRIPT
SVEUČILIŠTE JURJA DOBRILE U PULI
ODJEL ZA EKONOMIJU I TURIZAM
„DR. MIJO MIRKOVIĆ“
INES PICHLER
VECM MODEL
Seminarski rad
Pula, 2013.
SVEUČILIŠTE JURJA DOBRILE U PULI
ODJEL ZA EKONOMIJU I TURIZAM
„DR. MIJO MIRKOVIĆ“
VECM MODEL
Seminarski rad
Predmet: Analiza vremenskih nizova
Mentor: doc. dr. sc. Alen Belullo
Student: Ines Pichler, 322-ED
Smjer: Ekonomija
Pula, 2013.
SADRŽAJ
1. UVOD....................................................................................................................................2
2. ANALIZA PROMATRANIH PROCESA............................................................................3
2.1. Grafički prikaz podataka.................................................................................................4
2.2. Ispitivanje stacionarnosti.................................................................................................6
2.3.Odabir vremenskog pomaka............................................................................................7
2.4. Ispitivanje kointegracije...................................................................................................7
3. IZRADA MODELA...............................................................................................................8
3.1. Prikaz modela..................................................................................................................8
3.2. Provjera modela...............................................................................................................9
3.3. Grangerova uzročnost....................................................................................................13
4. ZAKLJUČAK.......................................................................................................................15
5. LITERATURA......................................................................................................................16
• UVOD
Ovaj seminarski rad pod nazivom VAR model bavi se ispitivanjem odnosa između uzročnosti
triju varijabli. Varijable koje su uključene u istraživanje su IZVOZ, UVOZ I BDP. Podaci su
preuzeti sa stranica Hrvatske narodne banke, a odnose se na vremensku seriju od 1997:1 do
2012:4. S obzirom na to da varijable imaju sezonski karakter, prije same analize bilo ih je
potrebno desezonirati pomoću dummy varijabla ili koristeći alat Census X12.
Rad se sastoji od četiri dijela. U prvom dijelu se grafički prikazuju određene varijable te se
utvrđuje njihova stacionarnost koja je presudna za daljnje istraživanje.
Kako bi se utvrdila stacionarnost varijabli, potrebno je bilo provesti testove jediničnog
korijena, jer je važno da procesi budu stacionarni, kao bi se mogli uključiti u daljnje
istraživanje. U ovom slučaju, bilo je potrebno diferencirati promatrane procese, jer prema
ADF testu, varijable u svojem izvornom obliku nisu pokazivale stacionarnost.
Osim toga, prije izrade samog modela trebalo je odabrati pravilan red VAR-a tj. točan
vremenski pomak modela koji se ispituje u neograničenom VAR modelu, a optimalan broj
vremenskih pomaka daje model koji minimizira Akaike informacijski kriterij.
Međutim, promatrani procesi upućivali su na postojanje određene kointegracijske veze. Na
nju se sumnjalo zbog sličnog razvijanja varijabli kroz vrijeme (što je vidljivo iz grafičkog
prikaza) te zbog činjenice da su svi procesi u razini bili nestacionarni. Nakon provođenja testa
u promatranim procesima pronađene su dvije kointegracijske veze, a za testiranje se koristio
Johansenov kointegracijski test. Zbog postojanja kointegracije, bilo je potrebno modelirati
VECM model.
Treći dio bavi se samim modelom, kojeg je nakon izrade bilo potrebno provjeriti, tj. utvrditi
njegovu kvalitetu. U tome se koristi deskriptivna statistika reziduala te njihov korelogram.
Odabranim testovima želi se dokazati jesu li reziduali modela normalno distribuirani.
Također, reziduali su i grafički prikazani kako bi se dodatno utvrdila njihova stacionarnost.
• ANALIZA PROMATRANIH PROCESA
• Grafički prikaz varijabli
Rad se bavi analizom utjecaja izvoza i uvoza na BDP. Dani su kvartalni podaci za razdoblje
od 1997:1 do 2012:4 godine. Prije početka analize, varijable je bilo potrebno desezonirati što
je prikazano na sljedećim grafovima.
Slika 1: Grafički prikaz IZVOZA
Izvor: Izrada autora
Slika 2: Grafički prikaz UVOZA
Izvor: Izrada autora
Slika 3: Grafički prikaz BDP-a
Izvor: Izrada autora
Iz navadenih grafičkih prikaza može se uočiti da sve tri vatijable imaju rastuči trend u
promatranom razdoblju. Također, zbog određenih promjena u gospodarstvu koje utječu na
varijable (IZVOZ, UVOZ, BDP) bilo je potrebno modelirati sezonski karaker pomoću dummy
varijabla. Sljedeći korak je ispitivanje stacionarnosti procesa kako bi se nastavilo istraživanje.
• Ispitivanje stacionarnosti
Jedno od najvažnijih svojstava vremenskih nizova je stacionarnost. Proces je stacionaran ako
se njegova vjerojatnosna svojstva ne mijenjaju tokom vremena. Ukoliko varijable u modelu
nisu stacionarne, potrebno ih je učiniti stacionarnim, npr. diferenciranjem. Modeli sa
nediferenciranim serijama znaju voditi krivim zaključcima.
Ispitivanje stacionarnosti provodi se pomoću testova jediničnog korijena koji su namijenjeni
testiranju reda integriranosti promatranih varijabli. U slučaju da niz u prvoj diferenciji ne
pokazuje stacinarnost, nastavlja se njegovo diferenciranje sve dok ne postane stacionaran.
U ispitivanju stacionarnosti je korišten ADF test (Dickey-Fullerov test) pomoću kojeg se
utvrdilo da procesi u svom početnom obliku nisu stacionarni te ih je bilo potrebno
diferencirati.
Tablica 1: ADF test za IZVOZ
Tablica 2: ADF test za UVOZ
Tablica 3: ADF test za BDP
Izvor: Izrada autora
Provedeni Unit Root testovi govore kako su sve varijable stacionarne u prvoj diferenciji.
Nakon stacioniranja podatka, napravili smo VAR model. Podatke smo testirali sa 4
vremenska pomaka kako bi mogli odrediti onaj vremenski pomak koji je najbolje prikladan za
naš model.
• Odabir vremenskog pomaka
Pri izradi VAR modela potrebno je izabrati pravilan vremenski pomak. Vrijednost
vremenskog pomaka je određena minimiziranjem informacijskih kriterija, AIC (Akaike) i
SBC (Schwarz).
Ispitivanje se provelo u VAR modelu prvog, drugog i trećeg reda, a izabran je red VAR-a koji
minimizira vrijednost AIC kriterija. Prema dobivenim podacima, vidi se da se s
povećavanjem vremenskih pomaka povećava i Akaike i Schwarz statistika. U ovom slučaju,
odabran je VAR reda jedan.
Tablica 4: AIC i Schwartz kriterij
Vremenski pomak AIC kriterij
VAR reda 1 -348.5147
VAR reda 2 -323.0918
VAR reda 3 -312.0772
Izvor: Izrada autora
• Ispitivanje kointegracijske veze
Prije izrade modela potrebno je ispitati kointegracijske veze između promatranih varijabli. Za
testiranje koristi se Johansenov test kointegracije koji je veoma popularan u ekonomskim
istraživanjima i dalje najzastupljeniji u praksi i dio je statističkih paketa pri izradi VAR
modela. Procesi koji se testiraju moraju biti nestacionarni, a duljina vremenskog pomaka ovisi
o samom modelu, a u ovom slučaju se koristi jedan vremenski pomak. Nakon provedenog
Johansenovog testa, podaci sugeriraju na postojanje dva kointegracijska vektora odnosno da
postoje dvije dugoročne veze, a na to nas upućuje Lambda trace statistika.
Tablica 5: Johansenov test konitegracije
U test smo uključili konstantu i trend koji se pokazao značajnim jer je t-vrijednost veća od 2.
Iz ovog testa zaključujemo da postoje dvije kointegracijske veze između varijabli i zbog toga
je za ovaj model prikladan vektorski model korekcije pogreške, odnosno VECM model.
• IZRADA MODELA
• Izrada modela
Nakon provedenih testova, potrebno je napraviti važeći model koji će koristiti za daljnje
istraživanje. U model ulaze varijable BDP(-1), IZVOZ(-1) i UVOZ(-1) s jednim vremenskim
pomakom i dvije kointegracijske veze.
Tablica 6: Model
Cointegrating Eq: CointEq1 CointEq2
IZVOZ(-1) 1.000000 0.000000
UVOZ(-1) 0.000000 1.000000
BDP(-1) -0.393383 -0.388772
(0.02965) (0.05640)
(-13.2660) (-6.89278)
C -2.100220 -5.754976
Error Correction: D(IZVOZ) D(UVOZ) D(BDP)CointEq1 -2.281002 -0.306326 -1.046563
(0.09873) (0.06797) (0.08550)
(-23.1039) (-4.50653) (-12.2405)
CointEq2 1.125562 0.209213 0.775838 (0.12451) (0.08572) (0.10782)
(9.04021) (2.44060) (7.19540)
D(IZVOZ(-1)) 0.951630 0.223946 0.519651 (0.11057) (0.07613) (0.09575)
(8.60666) (2.94177) (5.42691)
D(UVOZ(-1)) 1.107419 -0.615707 0.015969 (0.16913) (0.11644) (0.14647)
(6.54778) (-5.28756) (0.10902)
D(BDP(-1)) -0.447270 0.023814 -0.338326 (0.19151) (0.13186) (0.16585)
(-2.33545) (0.18061) (-2.03991)
C -0.233767 0.339478 0.851864 (0.41414) (0.28513) (0.35865)
(-0.56447) (1.19060) (2.37520)
R-squared 0.934542 0.498197 0.772010
Adj. R-squared 0.928697 0.453393 0.751653 Sum sq. resids 547.4838 259.5212 410.6033 S.E. equation 3.126739 2.152744 2.707804 Log likelihood -155.4983 -132.3570 -146.5795 Akaike AIC -155.3048 -132.1635 -146.3859 Schwarz SC -155.0989 -131.9576 -146.1801 Mean dependent 0.338710 0.306452 0.870968 S.D. dependent 11.70952 2.911755 5.433605 Determinant Residual Covariance
147.7832
Log Likelihood -418.7907
Akaike Information Criteria -418.0165
Schwarz Criteria -417.1931
Izvor: Izrada autora
• Provjera modela
Potrebno je analizirati rezidualna odstupanja (korelograme, autokoreliranost, normalnost i sl.)
kao bi se provjerila kvaliteta dobivenih rezultata. Prvi korak je prikaz deskriptivne statistike
koja je dana u nastavku:
Tablica 7: Provjera modela
Izvor: Izrada autora
Da li je kvalitetan VAR, možemo otkriti iz njegovih reziduala te vidjeti da li su normalno
distribuirani. Skewness je u redu, vrijednosti se kreću oko 1 (manji broj od 1), dok Kurtosis
sugerira da postoji povišena zaobljenost. Prema Jarque-Bera-u ne možemo odbaciti hipotezu
da su reziduali normalno distribuirani. Reziduale smo testirali i na autokorelaciju, a visoki
Prob sugerira da su reziduali našeg VECM modela normalno distribuirani i da nisu
autokorelirani.
Tablica 8: Korelogram RESID01 (IZVOZ)
Tablica 9: Korelogram RESID02 (UVOZ)
Tablica 10: Korelogram RESID03 (BDP)
Gledajući dobivenu statistiku, prema p-vrijednostima (vjerojatnostima) može se zaključiti da
nema autokorelacije među rezidualima. Osim toga, može se i primijetiti kako su procesi u
trendu stacionarni te ih možemo grafički prikazati:
Slika 4: Grafički prikaz RESID-a
Izvor: Izrada autora
Impulsne reakcije:
Izvor: Izrada autor
Kod impulsnih reakcija vidimo da nema odgovora između varijabli UVOZ-UVOZ te BDP-
UVOZ, odnosno te varijable nakon nekog vremena idu u neku novu ravnotežu dok ostale
varijable pozitivno utječu na BDP.
• Grangerova uzročnost
Mnoga istraživanja temeljena na VAR modelima koriste se za testiranje uzročnosti unutar
određenog skupa varijabli. Uzročnost u ekonometrijskom smislu svodi se na ispitivanje hoće
li dinamika jedne varijable predvidjeti dinamiku druge varijable. Ispitivanje uzročnosti u
Grangerovom smislu česta je pojava u ekonometrijskim analizama, stoga je korištena i u
ovom radu. Testiranje se provodi nad diferenciranim varijablama, a rezultati testiranja dani su
u slijedećoj tablici:
Tablica 11: Grangerova uzročnost
Null Hypothesis: Obs F-Statistic Probability
IZVOZSA does not Granger Cause BDPSA 63 10.0702 0.00238 BDPSA does not Granger Cause IZVOZSA 3.22085 0.07774 UVOZSA does not Granger Cause BDPSA 63 7.63071 0.00761 BDPSA does not Granger Cause UVOZSA 0.69646 0.40729 UVOZSA does not Granger Cause IZVOZSA 63 9.83023 0.00266 IZVOZSA does not Granger Cause UVOZSA 2.82993 0.09772
Izvor: Izrada autora
S obzirom na postotak vjerojatnosti (p – vrijednost) možemo prihvatiti ili odbaciti
• Možemo odbaciti hipotezu da IZVOZ ne utječe na BDP. (IZVOZ utječe na BDP)
• Ne možemo odbaciti hipotezu da BDP ne utječe na IZVOZ. (BDP ne utječe na
IZVOZ)
• Možemo odbaciti hipotezu da UVOZ ne utječe na BDP. (UVOZ utječe na BDP)
• Ne možemo odbaciti hipotezu da BDP ne utječe na UVOZ. (BDP ne utječe na UVOZ)
• Možemo odbaciti hipotezu da UVOZ ne utječe na IZVOZ. (UVOZ utječe na IZVOZ)
• Ne možemo odbaciti hipotezu da IZVOZ ne utjeće na UVOZ. (IZVOZ ne utjeće na
UVOZ)
• ZAKLJUČAK
Kako bi dobiveni model bio ispravan, bilo je potrebno provesti određene testove nad
varijablama. Cilj rada je bio istražiti kako izvoz i uvoz utječu na BDP Hrvatske u određenom
razdoblju. Na početku analize bilo je potrebno utvrditi stacionarnost procesa te uvesti dummy
varijable kako bi se rješio problem sezonalnosti podataka.
Važan korak u analizi bio je i izbor pravilnog vremenskog pomaka koji se provodio u
neograničenom VAR modelu. Nakon analize dobivenih rezultat, temeljem AIC kriterija došlo
se do zaključka da je za promatrane varijable pravilan vremenski pomak reda jedan.
Zbog sumnje na koinetgraciju proveden je Johansenov test, koji je ukazao na postajanje jedne
kointegracijske veze među varijablama. Zbog toga, odabran je model sa korekcijom pogreške,
tj. VECM model.
Na temelju deskriptivne statistike i korelograma moglo se zaključiti kako je promatrani model
zadovolji potrebne uvjete.
Posljednji korak bio je provođenje ispitivanja uzročnosti u Grangerovom smislu.
S obzirom na grafikone sa početka rada, može se zaključiti kako sve varijable imaju
zajednički trend i tempo rasta što nam govori da izvoz i uvoz, prema dobivenom modelu,
utječu na BDP.
• LITERATURA
Knjige:
• Bahovec V., Erjavec N.: Uvod u ekonometrijsku analizu, Udžbenici sveučilišta u Zagrebu, Zagreb, 2009.
• Kmeta. J.: Počela ekonometrije, Mate d.o.o., 1997. Godina
Internet izvori:
• Baum. Christopher., VAR, SVAR i VECM models, Boston College, Spring 2013,
http://fmwww.bc.edu/EC-C/S2013/823/EC823.S2013.nn10.slides.pdf
• Hrvatska narodna banka, http://www.hnb.hr/statistika/hstatistika.htm, (24.09.2013.)