8.3 时间序列的协整和误差修正模型.ppt

例8.3.1 利用1978-2006年中国居民总量消费Y与总量可支配收入X的数据，检验它们取对数的序列lnY与lnX间的协整关系。 分别对lnY与lnX进行单位根检验，结论：它们均是I(1)序列 。 进行协整回归。 对协整回归的残差序列进行单位根检验，结论：残差序列是平稳的。 由此判断中国居民总量消费的对数序列lnY与总可支配收入的对数序列lnX是（1,1）阶协整的。 验证了该两变量的对数序列间存在长期稳定的“均衡”关系。 3、重要讨论：协整方程等价于均衡方程？ 协整方程具有统计意义，而均衡方程具有经济意义。时间序列之间在经济上存在均衡关系，在统计上一定存在协整关系；反之，在统计上存在协整关系的时间序列之间，在经济上并不一定存在均衡关系。协整关系是均衡关系的必要条件，而不是充分条件。 例如：农场居民人均消费和城镇居民人均收入之间存在协整关系，但是它们在经济上并不存在均衡关系。 例如：经济增长率和通货膨胀率之间存在协整关系，但是它们在经济上并不存在均衡关系。 均衡方程中应该包含均衡系统中的所有时间序列，而协整方程中可以只包含其中的一部分时间序列。 例如：在GDP使用系统中包括GDP使用额、消费额、资本形成额、净出口额。均衡关系存在于4个序列之间，而协整关系可以存在于任意2个、3个序列之间。 协整方程的随机扰动项是平稳的，而均衡方程的随机扰动项必须是白噪声。 结论：不能由协整导出均衡，只能用协整检验均衡。 建立误差修正模型： 首先对经济系统进行观察和分析，提出长期均衡关系假设。 然后对变量进行协整分析，以发现变量之间的协整关系，即检验长期均衡关系假设，并以这种关系构成误差修正项。 最后建立短期模型，将误差修正项看作一个解释变量，连同其它反映短期波动的解释变量一起，建立短期模型，即误差修正模型。 Engle-Granger两步法 第一步，进行协整回归（OLS法），检验变量间的协整关系，估计协整向量（长期均衡关系参数）； 第二步，若协整性存在，则以第一步求到的残差作为非均衡误差项加入到误差修正模型中，并用OLS法估计相应参数。 需要注意的是：在进行变量间的协整检验时，如有必要可在协整回归式中加入趋势项，这时，对残差项的稳定性检验就无须再设趋势项。 另外，第二步中变量差分滞后项的多少，可以残差项序列是否存在自相关性来判断，如果存在自相关，则应加入变量差分的滞后项。 直接估计法 用打开误差修正项括号的方法直接估计误差修正模型。 一般不采用。 §3.2 协整与误差修正模型Cointegration and Error Correction Model 一、长期均衡与协整分析 二、协整检验 三、误差修正模型 一、长期均衡与协整分析Equilibrium and Cointegration 1、问题的提出 经典回归模型（classical regression model）是建立在平稳数据变量基础上的，对于非平稳变量，不能使用经典回归模型，否则会出现虚假回归等诸多问题。 由于许多经济变量是非平稳的，这就给经典的回归分析方法带来了很大限制。 但是，如果变量之间有着长期的稳定关系，即它们之间是协整的（cointegration)，则是可以使用经典回归模型方法建立回归模型的。 例如，中国居民人均消费水平与人均GDP变量的例子, 从经济理论上说，人均GDP决定着居民人均消费水平，它们之间有着长期的稳定关系，即它们之间是协整的。 经济理论指出，某些经济变量间确实存在着长期均衡关系，这种均衡关系意味着经济系统不存在破坏均衡的内在机制，如果变量在某时期受到干扰后偏离其长期均衡点，则均衡机制将会在下一期进行调整以使其重新回到均衡状态。 假设X与Y间的长期“均衡关系”由式描述 2、长期均衡 该均衡关系意味着:给定X的一个值，Y相应的均衡值也随之确定为??0+?1X。 在t-1期末，存在下述三种情形之一： Y等于它的均衡值：Yt-1= ?0+?1Xt ； Y小于它的均衡值：Yt-1< ?0+?1Xt ； Y大于它的均衡值：Yt-1> ?0+?1Xt ； 在时期t，假设X有一个变化量?Xt，如果变量X与Y在时期t与t-1末期仍满足它们间的长期均衡关系，即上述第一种情况，则Y的相应变化量为: vt=?t-?t-1 如果t-1期末，发生了上述第二种情况，即Y的值小于其均衡值，则t期末Y的变化往往会比第一种情形下Y的变化大一些； 反之，如果t-1期末Y的值大于其均衡值，则t期末Y的变化往往会小于第一种情形下的?Yt 。 可见，如果Yt=?0+?1Xt+?t正确地提示了X与Y间的长期稳定的“均衡关系”，则意味着Y对其均衡点的偏离从本质上说是“临时性”的。 一个重要的假设就是:随机扰动项?t必须是平稳序列。如果