一、确定滞后阶数

在建立VAR模型前，我们还需要确定模型最大滞后阶数。具体软件操作如下：

Step1：建立VAR模型。选择Quick——Estimate VAR… 则会出现以下窗口：

其中，由于VAR模型中各变量的排序可能影响到它们度量的效应，因此，各变量的排列次序是相当重要的。一般地，预期不会或很少对其他变量产生影响的变量应该放到最后。所以，上期中的格兰杰因果检验结果，小编确定各变量在VAR模型中的先后顺序依次为M2、GE、GDP、RPI。

Step2：确实阶数。在VAR对象中选择Views——Lag Structure——Lag Length Criteria，再输入最大滞后阶数，小编输入4，得到结果见下表：

上表中，用“*”表示从每一列标准中选的滞后数，可见，结果表明，AIC准则、FPE准则和HQ准则都选择滞后3期。

二、模型平稳性检验

由上述分析可知，我们需建立VAR（3）模型，但在建模前，需对该模型的平稳性进行检验，因为如果模型不稳定，某些结果将不是有效的（如脉冲响应函数的标准误差）。小编将通过AR根的图表来检验模型的平稳性，即如果被估计的VAR模型所有根的模的倒数小于1，在单位元内，则模型是稳定的。

具体软件操作过程如下：

Step1：建立VAR（3）模型。由上述分析可知道，模型的滞后阶数为3，因此，建立VAR（3）模型。具体来说，选择Quick——Estimate VAR… 则会出现以下窗口：

Step2：AR根的图表。在VAR对象中选择Views——Lag Structure——AR Roots Graph

由上图可见，VAR(3)特征多项式的逆根都在单位圆内，所以模型是稳定的。

三、VAR（3）模型的参数估计

建立VAR（3）模型，并进行参数估计，具体操作如下：选择Quick——Estimate VAR… 则会出现以下窗口：

估计结果如下：

下期小编将对脉冲响应分析以及方差分析展开详细叙述，请持续关注中国指数网指数学院模块！谢谢！