单一方程的ECM模型(讲稿).docVIP

单一方程的 ECM模型 本章假定变量为一阶单整变量，若变量为高阶单整变量可以先变换成一阶单整变量，然后再运用本章的结论。 7.1 建立误差修正模型的EG两步法 依据Granger定理具有向量移动平均形式的一组I(1)协整变量必然存在误差修正模型表达式。下面介绍几种利用协整变量建立误差修正模型的方法。重点介绍Engle-Granger两步法（1987年提出）。 7.1.1 EG（Engle-Granger）两步法 第一步。首先用OLS法估计协整向量OLS法估计。 以二变量关系为例具体介绍EG两步法： 第一步：假定两个I(1)协整变量yt, xt具有如下关系 yt = ( xt + ut (7.1) 其中ut ( I(0)，则yt, xt的长期关系是 yt = ( xt (7.2) EG两步法的第一步是通过 yt =xt + (7.3) 用OLS法估计协整向量 (1 -( )。 注意： ① 当yt, xt长期关系未知时，如有必要可在协整回归式中加上常数项和趋势项。 ② 因长期关系未知，在进行协整回归之后，还应检验yt, xt是否真正存在协整关系。此检验称为协整检验，检验方法下一节介绍。用表示协整参数 ( 的估计量，用= ( yt -xt) 表示估计的非均衡误差。 第二步：EG两步法的第二步是把非均衡误差项引入下式，建立误差修正模型 (yt = ( (xt + ( (yt -1 -xt -1) + vt (7.4) 其中 ( (yt -xt) 是误差修正项。( yt -xt) = ( I(0)。因为 yt, xt ( I(1)，所以 (yt, (xt ( I(0), 误差修正模型中所有项都是I(0) 的。可以用OLS法估计上式。相应被估参数的t统计量渐进服从正态分布。且具有一致性。 注意： 如认为上式动态性不足，即vt中存在自相关，可以在模型右侧加入 (yt, (xt的滞后项。从理论推导讲，应同时相应增加误差修正项的滞后期；从实际运用讲，也可以不增加误差修正项的滞后期。 7.1.2 EG两步法的优点 ⑴ 每一步只需作单方程估计； ⑵ 全部参数估计量都具有一致性。 ⑶ 方法简便，只在第二步才开始引入动态项； ⑷ 在第一步完成的同时也得到了检验协整性的统计量。 7.1.3 既然yt, xt ( I(1)，为什么协整回归仍可采用OLS法？ Engle-Granger证明如果yt, xt存在协整关系，则用OLS法得到的协整参数估计量和误差修正模型中短期参数估计量都具有一致性。而且由第一步得到的协整参数估计量还具有超一致性。 注意： ① 一般情况下，上面的结论对多元向量也是适用的。当向量中含有N个变量，则有可能存在N -1个协整向量，每一个协整向量内的协整参数都具有超一致性。 ② 尽管协整参数估计量具有超一致性和强有效性，但这并不意味着在小样本条件下协整参数也具有优良特性。实际上协整参数的小样本特性是有偏的，这种偏倚有时会相当大。 协整检验 .2.1 协整检验与单位根检验的关系 协整检验与单位根检验关系密切。若2个时间序列存在协整关系，则非均衡误差必然是I(0)的。若2个时间序列不存在协整关系，则非均衡误差必然是I(1)的。因此可以通过对非均衡误差序列的单位根检验（H0：时间序列非平稳，H1：时间序列平稳）检验 H0：序列间不存在协整关系， H1：序列间存在协整关系。 7.2.2. 先检验时间序列的单整性 在检验一组时间序列的协整性或长期均衡关系之前应首先检验时间序列的单整阶数。如果变量个数多于两个，即解释变量个数多于一个，被解释变量的单整阶数不能高于任何一个解释变量的单整阶数。另当解释变量的单整阶数高于被解释变量的单整阶数时，则必须至少有两个解释变量的单整阶数高于被解释变量的单整阶数。如果只含有两个解释变量，则两个变量的单整阶数应该相同。 1). 协整检验统计量 当协整向量未知时，ut也是未知的。所以只能对ut进行估计。最常用的方法是按EG两步法的第一步进行协整回归，估计非均衡误差序列。若用表示估计的非均衡误差，应该用如下两式 ( = ( + (t (7.6) ( = (+ + (t (7.7) 检验其平稳性。 上两式分别称为EG和AEG检验，亦称为以残差为基础的协整性检验。相对于参数 ( 的检验用统计量分别称为EG和AEG统计量。计算公式与DF, ADF统计量相同，即/s()。 H0: ( = 0（ut非平稳），即该组变量不存在协整关系。 当一组变量存在协整关系时，协整参数才可以通过协整回归进行估计。然