แบบจําลอง vector autoregressive (var) และการ ......โดย...
TRANSCRIPT
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
Page 1 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
Page 2 of 44
อาจารย ดร.เฉลมพล จตพร
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
Page 3 of 44
อาจารย ดร.เฉลมพล จตพร
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
Page 4 of 44
อาจารย ดร.เฉลมพล จตพร
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)
กรณท 2: อนกรมเวลามความหยดนง ณ ลาดบ I(d) = I(1)
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
Page 5 of 44
อาจารย ดร.เฉลมพล จตพร
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
ผลการประมาณคา สปส. แบบจาลอง VAR(2)
∆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)***
หมายเหต:I(1) ทกตวแปรVAR(2)Log function
Page 6 of 44
อาจารย ดร.เฉลมพล จตพร
ผลการประมาณคา สปส. แบบจาลอง VAR(2)
∆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)***
หมายเหต:I(1) ทกตวแปรVAR(2)Log function
การประยกตแบบจาลอง Vector Autoregressive (VAR)
==> Johansen cointegration
==> Granger causality
==> Variance decomposition analysis
==> Impulse response function
Page 7 of 44
อาจารย ดร.เฉลมพล จตพร
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)
Page 8 of 44
อาจารย ดร.เฉลมพล จตพร
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)
Page 9 of 44
อาจารย ดร.เฉลมพล จตพร
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)
Page 10 of 44
อาจารย ดร.เฉลมพล จตพร
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
Page 11 of 44
อาจารย ดร.เฉลมพล จตพร
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)
Page 12 of 44
อาจารย ดร.เฉลมพล จตพร
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)***
Page 13 of 44
อาจารย ดร.เฉลมพล จตพร
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
Page 14 of 44
อาจารย ดร.เฉลมพล จตพร
กรณท 1: อนกรมเวลามความหยดนง ณ ลาดบ I(d) = I(0)
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
กรณท 2: อนกรมเวลามความหยดนง ณ ลาดบ I(d) = I(1)
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
Page 15 of 44
อาจารย ดร.เฉลมพล จตพร
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
Page 16 of 44
อาจารย ดร.เฉลมพล จตพร
ตวอยาง Granger causality: d_l_p_agr
ตวอยาง Granger causality: d_l_p_food
Page 17 of 44
อาจารย ดร.เฉลมพล จตพร
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
Page 18 of 44
อาจารย ดร.เฉลมพล จตพร
ตวอยาง VDA: d_l_p_rice
ตวอยาง VDA: d_l_p_agr
Page 19 of 44
อาจารย ดร.เฉลมพล จตพร
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
Page 20 of 44
อาจารย ดร.เฉลมพล จตพร
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
Page 21 of 44
อาจารย ดร.เฉลมพล จตพร
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)
Page 22 of 44
อาจารย ดร.เฉลมพล จตพร
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
Page 23 of 44
อาจารย ดร.เฉลมพล จตพร
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
Page 24 of 44
อาจารย ดร.เฉลมพล จตพร
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
Page 25 of 44
อาจารย ดร.เฉลมพล จตพร
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)
Page 26 of 44
อาจารย ดร.เฉลมพล จตพร
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
Page 27 of 44
อาจารย ดร.เฉลมพล จตพร
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
Page 28 of 44
อาจารย ดร.เฉลมพล จตพร
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
Page 29 of 44
อาจารย ดร.เฉลมพล จตพร
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)
Page 30 of 44
อาจารย ดร.เฉลมพล จตพร
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)
Page 31 of 44
อาจารย ดร.เฉลมพล จตพร
3.1 ขนตอนการเลอก VAR optimal lag (p)
Model>Time series>Multivariate>VAR lag selection
3.2 Criteria ของแบบจาลอง VAR
Page 32 of 44
อาจารย ดร.เฉลมพล จตพร
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
Page 33 of 44
อาจารย ดร.เฉลมพล จตพร
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)
Page 34 of 44
อาจารย ดร.เฉลมพล จตพร
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)***
Page 35 of 44
อาจารย ดร.เฉลมพล จตพร
4. การวเคราะหความสมพนธเชงเหตผล(Granger causality)
==> Stationarity test using ADF unit root
==> VAR optimal lag (p) selection using time series at stationary order
==> Vector Autoregressive (VAR) Model using optimal lag VAR(p)
==> Granger causality
4.1 ผลการวเคราะห Granger causality
หมายเหต: ผลการวเคราะห Granger causality ไดจากการวเคราะหแบบจาลอง VAR ในขนตอนท 3
nsns
Page 36 of 44
อาจารย ดร.เฉลมพล จตพร
4.2 ผลการวเคราะห Granger causality
หมายเหต: ผลการวเคราะห Granger causality ไดจากการวเคราะหแบบจาลอง VAR ในขนตอนท 3
**
***
4.3 ผลการวเคราะห Granger causality
หมายเหต: ผลการวเคราะห Granger causality ไดจากการวเคราะหแบบจาลอง VAR ในขนตอนท 3
****
Page 37 of 44
อาจารย ดร.เฉลมพล จตพร
5. การวเคราะหการแยกสวนของความแปรปรวน (Variance decomposition analysis: VDA)
==> Stationarity test using ADF unit root
==> VAR optimal lag (p) selection using time series at stationary order
==> Vector Autoregressive (VAR) Model using optimal lag VAR(p)
==> Variance decomposition analysis (VDA)
5.1 ขนตอนการวเคราะหการแยกสวนความแปรปรวน
เมอไดผลการวเคราะหแบบจาลอง VAR>Analysis>Forecast variance decompositionจากนน ใหเลอกจานวนชวงการพยากรณ>OK
Page 38 of 44
อาจารย ดร.เฉลมพล จตพร
5.2 ผลการวเคราะหการแยกสวนความแปรปรวน
5.3 ผลการวเคราะหการแยกสวนความแปรปรวน
Page 39 of 44
อาจารย ดร.เฉลมพล จตพร
5.4 ผลการวเคราะหการแยกสวนความแปรปรวน
6. การวเคราะหการตอบสนองอยางฉบพลน(Impulse response function: IRF)
==> Stationarity test using ADF unit root
==> VAR optimal lag (p) selection using time series at stationary order
==> Vector Autoregressive (VAR) Model using optimal lag VAR(p)
==> Impulse response function (IRF)
Page 40 of 44
อาจารย ดร.เฉลมพล จตพร
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
Page 41 of 44
อาจารย ดร.เฉลมพล จตพร
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
Page 42 of 44
อาจารย ดร.เฉลมพล จตพร
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
Page 43 of 44
อาจารย ดร.เฉลมพล จตพร
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)
Page 44 of 44
อาจารย ดร.เฉลมพล จตพร