第十章(二)时间序列协整误差修正分析.pptVIP

（1）Granger 表述定理 误差修正模型有许多明显的优点：如 a）一阶差分项的使用消除了变量可能存在的趋势因素，从而避免了虚假回归问题； b）一阶差分项的使用也消除模型可能存在的多重共线性问题； c）误差修正项的引入保证了变量水平值的信息没有被忽视； d）由于误差修正项本身的平稳性，使得该模型可以用经典的回归方法进行估计，尤其是模型中差分项可以使用通常的t检验与F检验来进行选取；等等。 因此，一个重要的问题就是：是否变量间的关系都可以通过误差修正模型来表述？ 2、误差修正模型的建立 如果变量X与Y是协整的，则它们间的短期非均衡关系总能由一个误差修正模型表述： 0?1 （*） 式中，?t-1是非均衡误差项或者说成是长期均衡偏差项， ?是短期调整参数。 就此问题，Engle 与 Granger 1987年提出了著名的Grange表述定理（Granger representaion theorem）： 对于(1,1)阶自回归分布滞后模型 Yt=?0+?1Xt+?2Xt-1+?Yt-1+?t 如果 Yt~I(1), Xt~I(1) ; 那么 的左边?Yt ~I(0) ，右边的?Xt ~I(0) ，因此，只有Y与X协整，才能保证右边也是I(0)。 首先对变量进行协整分析，以发现变量之间的协整关系，即长期均衡关系，并以这种关系构成误差修正项。 然后建立短期模型，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。 注意，由于 ?Y=lagged(?Y, ?X)+ ??t-1 +?t 0?1 中没有明确指出Y与X的滞后项数，因此，可以是多个； 同时，由于一阶差分项是I(0)变量，因此模型中也允许使用X的非滞后差分项?Xt 。 Granger表述定理可类似地推广到多个变量的情形中去。 因此，建立误差修正模型，需要 由协整与误差修正模型的的关系，可以得到误差修正模型建立的E-G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。 （2）Engle-Granger两步法 （3）直接估计法 也可以采用打开误差修整模型中非均衡误差项括号的方法直接用OLS法估计模型。 但仍需事先对变量间的协整关系进行检验。 如对双变量误差修正模型 可打开非均衡误差项的括号直接估计下式： 这时短期弹性与长期弹性可一并获得。 需注意的是，用不同方法建立的误差修正模型结果也往往不一样。 经济理论指出，居民消费支出是其实际收入的函数。 以中国国民核算中的居民消费支出经过居民消费价格指数缩减得到中国居民实际消费支出时间序列（C）； 以支出法GDP对居民消费价格指数缩减近似地代表国民收入时间序列(GDP) 时间段为1978~1998（表10.3.3） 例10.3.3 中国居民消费的误差修正模型 （1）对数据lnC与lnGDP进行单整检验 容易验证lnC与lnGDP是一阶单整的，它们适合的检验模型如下： (3.81)（-4.01） （2.66） （2.26） （2.54） LM(1)=0.38 LM(2)=0.67 LM(3)=2.34 LM(4)=2.46 首先，建立lnC与lnGDP的回归模型 （2）检验lnC与lnGDP的协整性，并建立长期均衡关系 （0.30） (57.48) R2=0.994 DW=0.744 发现残差项有较强的一阶自相关性。考虑加入适当的滞后项，得lnC与lnGDP的分布滞后模型 (1.63) (6.62）