第六章多元时间序列分析解析.ppt

估计 步骤： 1、检验响应变量与输入变量之间的协整性。 2、如果存在协整关系，估计协整回归方程，计算残差序列e(t)。 3、将e(t-1)作为输入变量即解释变量，估计误差修正模型。 案例 例6.2。 例6.2续 对1978年－2002年中国农村居民家庭人均纯收入对数序列 和生活消费支出对数序列 构造ECM模型. 格兰杰因果关系检验（补充） 一、经济变量之间的因果性问题 二、格兰杰因果关系检验 三、几点注意 四、Eviews操作 引子：格兰杰因果关系检验 许多经济变量有着相互的影响关系 问题：当两个变量在时间上有先导—滞后关系时，能否从统计上考察这种关系是单向的还是双向的？ 消费 GDP 一、经济变量之间的因果性问题 计量经济模型的建立过程，本质上是用回归分析工具处理一个经济变量对其他经济变量的依存性问题。但这并不是暗示这个经济变量与其他经济变量间必然存在因果关系。 由于没有因果关系的变量之间常常有很好的回归拟合，把回归模型的解释变量与被解释变量倒过来也能够拟合得很好，因此回归分析本身不能检验因果关系的存在性，也无法识别因果关系的方向。 假设两个变量，比如国内生产总值GDP和广义货币供给量M，各自都有滞后的分量，显然这两个变量都存在着相互影响的关系。 但现在的问题是：究竟是M引起GDP的变化，还是GDP引起M的变化，或者两者间相互影响都存在反馈，即M引起GDP的变化，同时GDP也引起M的变化。 问题的实质：在两个变量间存在时间上的先后关系时，是否能够从统计意义上检验出因 果性的方向，即在统计上确定GDP是M的因，还是M是GDP的因，或者M和GDP互为因果。 二、格兰杰因果关系检验 格兰杰给因果关系定义为“依赖于使用过去某些时点上所有信息的最佳最小二乘预测的方差。” 在时间序列情形下，两个经济变量X和Y之间的格兰杰因果关系定义为：若在包含了变量X、Y的过去信息的条件下，对变量Y的预测效果要优于只单独由Y的过去信息对Y进行的预测效果，即变量X有助于解释变量Y的将来变化，则认为变量X是引致变量Y的格兰杰原因。 即：主要是一个变量过去的行为在影响另一个变量的当前行为呢？还是双方的过去行为在相互影响着对方的当前行为？ 对两变量Y和X,格兰杰因果关系检验要求估计： 可能存在有四种检验结果： (1)X对Y有单向影响，变现为（*）式X各滞后项前的参数整体不为零，而Y各滞后项前的参数整体为零。 (2)Y对X有单向影响，变现为（**）式X各滞后项前的参数整体不为零，而Y各滞后项前的参数整体为零。 (3) Y与X间存在双向影响，表现为（*）和（**）式中Y与X各滞后项前的参数整体均不为零。 (4)Y与X间不存在影响，表现为（*）和（**）式中Y与X各滞后项前的参数整体均为零。 格兰杰检验是通过受约束的F检验完成的。 如：针对 分别作包含与不包含X滞后项的回归，记前者与后者的残差平方和分别为RSS(U),RSS(R);在计算F统计量： 如果： ，则拒绝原假设，认为X是Y的格兰杰原因。 三、注意几点： 第一，格兰杰因果检验是检验统计上的时间先后顺序，并不表示而这真正存在因果关系，是否呈因果关系需要根据理论、经验和模型来判定。 第二，格兰杰因果检验的变量应是平稳的，如果单位根检验发现两个变量是不稳定的，那么，不能直接进行格兰杰因果检验，所以，很多人对不平稳的变量进行格兰杰因果检验，这是错误的。 第三，格兰杰因果关系检验对于其滞后长度的选择有时很敏感。不同的滞后期可能会得到完全不同的检验结果。 第四，协整结果仅表示变量间存在长期均衡关系，那么，到底是先做格兰杰还是先做协整呢？因为变量不平稳才需要协整，所以，首先因对变量进行差分，平稳后，可以用差分项进行格兰杰因果检验，来判定变量变化的先后时序，之后，进行协整，看变量是否存在长期均衡。 第五，长期均衡并不意味着分析的结束，还应考虑短期波动，要做误差修正检验。 四、Granger因果关系检验的操作 Eviews. ADF单位根检验注意： （1）必须为回归检验方程定义合理的滞后阶数。通常采用AIC准则来确定给定时间序列模型的滞后阶数。 （2）可以选择常数和线性时间趋势，且选择哪种形式很重要，因为检验的显著性水平的t统计量在原假设下的渐进分布依赖于关于这些项的定义。也即不同的模型形式不同的不同的临界值表。 可以通过如下的两种方式来大致确定检验方程的具体形式： 第一，若原序列中不存在单位根，则检验回归形式选择含有常数项