2014向量自回归模型重点.ppt

* ③ 类似地，协整方程中可能有趋势项? t，其形式为 ④ 如果序列中存在着隐含的二次趋势项? t，等价于VEC模型的括号外也存在线性趋势项，其形式为 * ② 如果r = 0，意味着 ? = 0，因此式(9.6.2)仅仅是个差分方程，各项都是I (0) 变量，不需要讨论y1,t-1，y2,t-1，…，yk,t-1之间是否具有协整关系。 ③ 下面讨论0 r k的情形： 0 r k表示存在r个协整组合，其余k ? r个关系仍为I (1)关系。在这种情况下，? 可以分解成两个( k ? r )阶矩阵 ? 和 ? 的乘积： (7.6.4) * 其中rk (? )= r，rk ( ? )= r，将式(7.6.4)代入式(7.6.2)，得： (7.6.5) 上式要求 为一个I (0)向量，其每一行都是I (0) 组合变量，即 ? 的每一行所表示的y1,t-1，y2,t-1，…，yk,t-1的线性组合都是一种协整形式，所以矩阵 ? 决定了y1,t-1，y2,t-1，…，yk,t-1之间协整向量的个数与形式。因此称为协整向量矩阵，r为协整向量的个数。 * 矩阵 ? 的每一行 ?i 是出现在第i个方程中的r个协整组合的一组权重，故称为调整参数矩阵，与前面介绍的误差修正模型的调整系数的含义一样。而