时间序列的协整和误差修正模型分析.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