الگوی خودرگرسیون برداری
یکی از مزیت‌های عمده‌ی مدل VAR نسبت به مدل‌های دیگر را می‌توان در چند معادله‌ای بودن آن بیان کرد. به عبارت دیگر، در مدل‌های دیگر نمی‌توان از تمامی اطلاعات موجود در مدل استفاده کرد و از همان ابتدا یک متغیر را بایستی به صورت متغیر وابسته در نظر گرفت. در واقع آن‌ها یک مدل تک معادله‌ای هستند، در حالی‌که مدل VAR حالت چند معادله‌ای و سیستمی را دارد، که در این حالت استفاده از چهار مدل در کنار هم می‌تواند تکمیل کننده‌ی نتایج باشد. آن‌چه در مباحث تخمین الگوهای خودتوضیح برداری حائز اهمیت است، روابط بین متغیرها و نحوه‌ی اثرگذاری آن‌ها بر یکدیگر است. لذا، آزمون معنی‌دار بودن پارامترها از اهمیت کمتری برخوردار است. به منظور تخمین مدل‌های VAR ابتدا باید ایستایی متغیرها بررسی و تعداد وقفه‌های بهینه مدل نیز تعیین شود.
آزمون ریشه واحد متغیرها
اولین گام در تحلیل الگوهای سری زمانی، بررسی ایستایی متغیرهاست. با توجه به فصلی بودن داده‌های الگو، آزمون ریشه واحد فصلی، که در فصل قبل معرفی شد، برای آزمون وجود ریشه واحد فصلی و سالانه در متغیرها مورد استفاده قرار گرفته است که نتایج آن در جدول ۴-۵ آمده است. این نتایج نشان می‌دهد تمام متغیرها به جزء تولید ناخالص داخلی تنها دارای ریشه واحد در تناوب صفر (سالانه) هستند، به عبارت دیگر مقدار قدر مطلق آماره

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

و که ریشه واحد شش ماهه و فصلی را نشان می‌دهند، از مقدار بحرانی آن‌ها بیشتر هستند، در نتیجه فرض وجود ریشه واحد فصلی رد می‌شود، اما فرض وجود ریشه واحد غیرفصلی را نمی‌توان رد کرد، بنابراین برای پایا شدن این متغیرها به کارگیری فیلتر تفاضل‌گیری غیرفصلی (L-1) کفایت می‌کند. اما متغیر تولید ناخالص داخلی در تمامی فراوانی‌های فصلی و غیرفصلی، مقادیر مطلق آماره‌‌های محاسباتی کمتر از مقدار بحرانی در سطح پنج درصد بوده، در نتیجه ریشه واحد در تمام فراوانی‌ها وجود دارد و لذا فیلتر مناسب برای پایا کردن این سری زمانی، فیلتر تفاضل‌گیری فصلی یعنی تفاضل مقدار متغیر در هر فصل از مقدار خود آن متغیر در فصل مشابه سال گذشته (L4-1) است.
جدول ۴-۵: آزمون ریشه واحد فصلی

آماره‌ها
متغیرها

*

**

***

۶۵/۰-

۲۹/۷-

۷۵/۸۸

۳۴/۰

۱۷/۵-

۰۴/۷۹

۱۳/۲-

۴/۶-

۱۹/۶۴

۳۹/۰-

۵۳/۹-

۹۶/۱۱۲

۲۰/۱-

۴۵/۵-

۳۷/۵۰

۰۸/۱-

۵۶/۰-

۱۶/۰