4.4.

Modele vector autoregresiv VAR

Reprezentarea autoregresiv AR(p) este extins pentru un vector de variabile dependente
VAR(p). In scrierea matriciala, pentru dou variabile, un model VAR(1) are forma:

Y1t b1 a11 a12 Y1t 1 1t

Y2t b2 a 21 a 22 Y2t 1 2t
Yt B AYt 1 t
sau

Yt
unde

este vectorul variabilelor dependente (2x1), B vectorul termenilor

liberi (2x1), A matricea coeficienilor (2x2) iar

vectorul erorilor (perturbaiilor). Prezentul
variabilelor este dependent de propriul trecut.
Un sistem econometric cu ecuaii simultane poate fi pus n forma VAR. Aceste modele sunt
destinate previziunii (avantaj: nu sunt necesare previziuni ale variabilelor, nafara sistemului) i
se utilizeaz deasemenea pentru a analiza impactul unor perturbaii (ocuri) aleatoare asupra
variabilelor sistemului.
Fiecare variabil este exprimat funcie de trecutul celorlalte variabile din sistem. Forma
general VAR(p) este redat prin ecuaia vectorial:
Yt B A1Yt 1 A2Yt 2 ... A p Yt p t

Yt

Ai

unde

este vectorul variabilelor dependente (kx1),

(kxk) matrici ale coeficienilor iar este
Yt (Y1t , Y2t ,..., Ykt )'
vectorul (kx1) inovaiilor (erorilor);
adic transpusa vectorului Se
presupune ca inovaiile sunt necorelate cu trecutul acestora respectiv cu variabilele din partea
dreapta a ecuaiei.

Pentru estimarea coeficienilor se utilizeaz metoda celor mai mici ptrate pentru fiecare ecuaie
n parte, fr a se pierde din eficient.
Se utilizeaz atunci cnd ne intereseaz interaciunea dintre variabile.
Se definesc i aici condiii de stabilitate, staionalitate a modelului. In operatorul
intarziere modelul se scrie:
( L)Yt B t

( L) I k A1 L A2 L2 .... A p L p
unde
este stabil dac rdcinile ecuaiei

Ik
, prin

fiind notat matricea unitate. Modelul VAR(p)

det( ( z )) det( I k A1 z A2 z 2 .... Ap z p ) 0

sunt nafara cercului unitate (au modulul mai mare dect unu). Un model stabil este staionar,
mediile, varianele i autocovarianele fiind independente de timp.
Inainte de elaborarea unui model se recomand eliminarea tendinei i a sezonalitii din
date, dac exist; o metod alternativ const n introducerea unui termen t n ecuaia vectorial
pentru a extrage tendina determinist. Pentru validare se aplic teste specifice, similare cu cele
din cazul unui model autoregresiv cu o singur ecuaie: erorile trebuie s fie necorelate, s aib
aceeai varian (constant n timp), iar pentru elaborarea de previziuni este necesar i
normalitatea erorilor.
Testul Granger de cauzalitate, numit i test de exogeneitate slab, ne indic dac o
Y2
variabil endogen poate fi tratat ca exogen. Intr-un model VAR cu 2 variabile,
nu este

Y1
cauz de tip Granger pentru
deasupra diagonalei principale.

dac toate matricile coeficienilor sunt triunghiulare, cu 0

4.5. Cointegrare n sisteme de ecuaii. Metodologia Johansen

In general, abordarea Engle-Granger este adecvat doar pentru dou variabile. Dac avem n
variabile i n-1 dintre ele nu sunt (slab) exogene, i/sau exist mai multe relaii de cointegrare
ntre variabile atunci abordarea prin intermediul unei singure ecuaii nu este adecvat (Harris and
Sollis, 2003).
In modelele multivariat toate variabilele sunt abordate simultan, i se urmrete explicarea
comportamentului unei variabile funcie de trecutul su i a celorlalte variabile.
Etapele metodologiei Johansen, destinat elaborrii modelelor dinamice, sunt:
1) testarea ordinului de integrare pentru fiecare variabil;
2) determinarea numrului
3) ....
Yt
Pentru un vector
VAR(p):

(kx1) de k poteniale variabile endogene specificm un model autoregresiv

Yt B A1Yt 1 A2Yt 2 ... A p Yt p t

Atunci cnd ecuaia

det( ( z )) det( I k A1 z A2 z 2 .... Ap z p ) 0

Yt
are rdcini n interiorul cercului unitate atunci unele sau toate variabile din vectorul
nestaionare I(1), iar ntre ele pot exista relaii de cointegrare.

sunt

Definiie. Un vector de variabile integrate de acelai ordin I(d) este cointegrat CI(d,b) cu
'Yt

vectorul de cointegrare dac

este integrat de ordin mai mic I(d-b). Astfel, exist anumite
combinaii liniare ale variabilelor din vector ce sunt integrate de un ordin mai mic.
Yt Yt , X t )
Observaie. Pentru un vector ce conine dou variabile integrate I(1) =(
pentru care
Yt X t t
(1, )
reziduul din regresia
este staionar I(0), vectorul de cointegrare este
;
'
Yt Yt X t
t Yt X t
adic reziduul
este staionar.
Yt Y1t , Y2t ,..., Ykt ) '
Dac toate variabilele din vectorul =(
sunt staionare I(0), atunci se aplic
metodologia clasic VAR, pentru elaborarea acestui model. Dac cel puin una din variabile este
nestaionar I(1) atunci exist dou posibiliti: (1) nu exist nici o relaie de echilibru (sau de
Yt
cointegrare) ntre elementele lui caz n care modelul costituie un sistem de regresii false,
respectiv (2) exist una sau mai multe relaii de echilibru (sau de cointegrare) ntre elementele lui
Yt
, cnd se are n vedere reprezentarea VECM a modelui (aceasta fiind o reprezentare VAR cu
restricii).
Abordarea Johansen const n identificarea a r combinaii liniare de cointegrare, printre cele
k variabile integrate, i ncorporarea lor ntr-un model dinamic.
Cum pot fi identificate aceste relaii de cointegrare?
Yt
Dac sunt cointegrate atunci reprezentarea VAR nu este prea adecvat pentru analiz
deoarece relaiile de cointegrare nu apar explicit. Relaiile de cointegrare devin vizibile n
reprezentarea VECM, reprezentare echivalent cu VAR, aceasta fiind:
Yt Yt 1 1 Yt 1 ... p 1 Yt p 1 t
p

Ai I
i 1

i ( Ai 1 Ai 2 ... A2 )

unde
iar
Justificare. Considerm k=2.
Yt Yt 1 B ( A1 I )Yt 1 A2Yt 2 t

Yt B ( A1 I )(Yt 1 Yt 2 ) ( A2 A1 I )Yt 2 t
Yt B ( A1 I )Yt 1 ( A2 A1 I )Yt 2 t
Yt 1
Este mai convenabil s apar
anterioar, astfel:

pentru a putea evidenia eventual reziduul din perioada

Yt B ( A1 I )Yt 1 ( A2 A1 I )Yt 2 ( A2 A1 I )Yt 1 ( A2 A1 I )Yt 1 t

Yt ( A1 A2 I )Yt 1 A2 Yt 1 B t
sau

unde

Yt Yt 1 1 Yt 1 B t

A1 A2 I

1 A2

iar
.
Aceast reprezentare echivalent are mai multe avantaje (Juselius, 2003): se reduce

efectul multicoliniaritii, informaiile pe termen lung sunt sintetizate n matricea

, avem o
interpretare mai intuitiv a coeficienilor (surprind efetul pe termen lng respectiv scurt), este o
reprezentare adcvat atunci cnd ne intereseaz modificrile fa de perioada anterioar (ex. n
cazul ratei inflaiei).

b) Legtura ntre rangul matricii

i numrul relaiilor de cointegrare
i
Coeficienii
conin informaii despre ajustarea pe termen scurt, iar pentru a identifica
Yt
eventuale relaii de echilibru pe termen lung ntre elementele vectorului ne concentrm asupra

matricii . Rangul matricii

indic numrul relaiilor de cointegrare prezente ntre cele k
Yt
varibile din vectorul .
Yt
Yt
Cum sunt I(1) rezult
staionare, astfel rangul matricii, notat cu r, trebuie s fie mai

mic dect numrul variabilelor r=rang( )<k (altfel n partea stng avem o variabil
Ik
nestaionar iar n partea dreapt una nestaionar); dac spre exemplu
atunci membrul
Yt
stng al ecuaiilor este o variabil staionar
iar n cel drept avem o variabil nestaionar
Yt 1
Yt i
0

plus variabile staionare (

respectiv reziduul). Astfel
sau rang( )<k. Rangul

matricii este egal cu numrul de linii (sau coloane) liniar independente. Avem rang( )=k doar
atunci cnd toate variabilele sunt staionare; n acest caz nu se pune problema cointegrrii.
n cazul nestaionalitii de tip I(1), deoarece un proces nestaionar nu poate fi egal cu
Yt 1
unul staionar forma VECM are sens doar atunci cnd
definete combinaii liniare
staionare, adic ntre variabile exist relaii de cointegrare.
1 r k 1

Atunci cnd matricea (kxk) are rang redus

acesta poate fi descompus n

dou matrici (kxr) i (kxr) fiecare cu rangul r:

 '
.
Astfel n ipoteza unor variabile I(1) reprezentarea VECM a unui vector cointegrat cu r relaii de
cointegrare este:
Yt 'Yt 1 1 Yt 1 ... p 1 Yt p 1 B t
sau
Yt t 1 1 Yt 1 ... p 1 Yt p 1 B t

'Yt 1 t 1

unde
este staionar I(0) fiind vectorul rx1 relaiilor de cointegrare,
(kxr) este
matricea vectorilor de cointegrare (r vectori de cointegrare, fiecare coloan reprezentnd
coeficienii unui vector de cointegrare); acetia formeaz o baz n spaiul vectorilor de
cointegrare, orice combinaie liniar a vectorilor din baz fiind de asemenea un vector de
cointegrare. Avem n aceast reprezentare un VAR(p-1) n care toate variabilele sunt staionare.
t 1
Yt

Matricea coeficienlor de ajustare din

reprezint viteza cu care
se ajusteaz la
dezechilibre in relaia de cointegrare.
'
Descomunerea
nu este unic deoarece pentru orice matrice M(rxr) nesingular
'
1 '
(M )( M ) (M )( M 1' ) ' ab '
b M 1'
a M
avem
unde
iar
. Pentru a
obine valori unice sunt necesare anumite restricii, precum normalizarea (se mpart toi
coeficienii vectorului de cointegrare la unul dintre ei) sau restricii sugerate de teoria economic.
Prin urmare, avem urmtoarele cazuri:
Yt 1

1) r=rang( )=k, caz n care

sunt staionare i se va elabora un model VAR pentru
Yt
variabilele observate , utiliznd inferenele standard;
1 r k 1
2)
cnd exist r combinaii liniare a variabilelor ce sunt staionare prin
Yt
urmare r relaii de cointegrare,
fiind cointegrate. Reprezentarea VECM este
Yt
valid, toate variabilele ce intervin fiind staionare. Reprezentarea VAR n este
consistent dar ineficient, iar reprezentarea VAR pentru diferene este greit
(Cochran, 2005);
3) r=0 cnd nu exist combinaii liniare staionare i se va elabora un model VAR pentru
Yt
diferene
(acestea fiind staionare).

c) Testarea numrului relaiilor de cointegrare i estimarea acestora

Johansen (1988) a obinut estimaii pentru

(kxr) i

(kxr) utiliznd pocedura cunoscut ca i

regresia rangului redus. Estimatorii de maxim verosimilitate ML pentru

sunt obinui ca i
vectori proprii corespunztori celor mai mari r valori proprii.
Testele sunt bazate pe estimarea reprezentrii VECM:
Yt Yt 1 1 Yt 1 ... p 1 Yt p 1 B t
i se definesc utiliznd cele mai mari valori proprii ale matricii

. In scopul stabilirii numrului

relaiilor de cointegrare sunt estimate valorile proprii (sau rdcinile caracteristice) ale matricii
1 2 ... k 1

. Aceste valori proprii sunt deasemenea egale cu patratul corelaiei canonice

Yt Yt 1
Yt i
ntre
i
corectat de diferenele
, astfel c iau valori ntre 0 i 1. Numrul valorilor

proprii semnificativ diferite de zero indic numrul relaiilor de cointegrare. Rangul matricii
este egal cu numrul valorilor proprii diferite de zero.
Urmtoarele dou teste, de tip LR(likelihood ratio), sunt utilizate pentru determinarea
numrului r de valori proprii semnificativ diferite de zero, adic a numrului relaiilor de
cointegrare:
1. testul sau statistica trace
k
LRtrace(r) T i r 1 ln ( 1 i )
Se testeaz succesiv, pentru r=0,1, ...,k-1 urmtoarele ipoteze:
H0 :
cel mult r relaii de cointegrare (rangul matricii este cel mult r)
H0
pn la primul r pentru care ipoteza nul se accept. Cnd ipoteza nul
se accept valoarea
r
statisticii LR este aproape de zero, adic ultimele k- valori proprii sunt nesemnificative
r 1 ,..., k

. Ipoteza nul se respinge atunci cnd valoarea calculat este mai mare dect cea
critic.
2. testul maximum eigenvalue
LRmax (r,r 1 ) T ln ( 1 r 1 )
sau
LRmax (r,r 1 ) LRtrace ( r ) LRtrace (r 1)

Ipoteza nul respectiv alternativa sunt:

H0 :
r relaii de cointegrare (rangul matricii este cel mult r)
H1 :
r+1 relaii de cointegrare
pentru r=0,1, ...,k-1.
Valorile critice sunt determinate de mai muli autori, printre care Johansen and Juselius
(1990), MacKinnon-Haug-Michelis (1999). Valorile critice difer dup cum se seriile au
constant i/sau tendin determinist respectiv ecuaiile de cointegrare conin constant i/sau
tendin determinist. Forma general a modelului:
Yt Yt 1 1 Yt 1 ... p 1 Yt p 1 Bx t t
xt
poate include i tendine deterministe, de tip t, prin vectorul variabilelor deterministe .
Pentru selecia numrului de ntrzieri, n analizele de tip VECM sau VAR, se pot utilize
criteriile AIC (Akaike Information Criterion), SIC (Schwarz Information Criterion), sau HQ
(Hannan-Quinn Information Criterion). Se alege aceea valoare pentru p ce minimezeaz valoarea
acestor funcii, n modelul VAR.
Acest abordarea faciliteaz testarea unor restricii, utiliznd teste de tip LR distribuite
2
dup legea
, restricii eventual sugerate de teoria economic, asupra elementelor matricii

vectorilor de cointegrare sau a matricii coeficienlor de ajustare ; regsim aici i testele de

exogeneitate (slab sau tare).
Modelul dinamic VECM poate fi utilizat pentru generarea de previziuni respectiv pentru
a analiza impactul unor perturbaii (ocuri) aleatoare asupra variabilelor sistemului.