7 时间序列分析报告.pptVIP

协整与误差修正模型 一、长期均衡关系与协整 二、协整检验 三、误差修正模型 一、长期均衡关系与协整 0、问题的提出 经典回归模型（classical regression model）是建立在稳定数据变量基础上的，对于非稳定变量，不能使用经典回归模型，否则会出现虚假回归等诸多问题。 由于许多经济变量是非稳定的，这就给经典的回归分析方法带来了很大限制。 但是，如果变量之间有着长期的稳定关系，即它们之间是协整的（cointegration)，则是可以使用经典回归模型方法建立回归模型的。 例如，中国居民人均消费水平与人均GDP变量的例子中： 因果关系回归模型要比ARMA模型有更好的预测功能， 其原因在于，从经济理论上说，人均GDP决定着居民人均消费水平，而且它们之间有着长期的稳定关系，即它们之间是协整的（cointegration）。 经济理论指出，某些经济变量间确实存在着长期均衡关系，这种均衡关系意味着经济系统不存在破坏均衡的内在机制，如果变量在某时期受到干扰后偏离其长期均衡点，则均衡机制将会在下一期进行调整以使其重新回到均衡状态。 假设X与Y间的长期“均衡关系”由式描述 在t-1期末，存在下述三种情形之一： 实际情况往往并非如此 如果t-1期末，发生了上述第二种情况，即Y的值小于其均衡值，则Y的变化往往会比第一种情形下Y的变化?Yt大一些； 反之，如果Y的值大于其均衡值，则Y的变化往往会小于第一种情形下的?Yt 。 可见，如果Yt=?0+?1Xt+?t正确地提示了X与Y间的长期稳定的“均衡关系”，则意味着Y对其均衡点的偏离从本质上说是“临时性”的。 因此，一个重要的假设就是:随机扰动项?t必须是平稳序列。 显然，如果?t有随机性趋势（上升或下降），则会导致Y对其均衡点的任何偏离都会被长期累积下来而不能被消除。 式Yt=?0+?1Xt+?t中的随机扰动项也被称为非均衡误差（disequilibrium error），它是变量X与Y的一个线性组合： 如果序列{X1t,X2t,…,Xkt}都是d阶单整，存在向量 ?=(?1,?2,…,?k)，使得 Zt= ?XT ~ I(d-b) 其中，b0，X=(X1t,X2t,…,Xkt)T，则认为序列{X1t,X2t,…,Xkt}是(d,b)阶协整，记为Xt~CI(d,b)，?为协整向量（cointegrated vector）。 三个以上的变量，如果具有不同的单整阶数，有可能经过线性组合构成低阶单整变量。 （d,d）阶协整是一类非常重要的协整关系，它的经济意义在于：两个变量，虽然它们具有各自的长期波动规律，但是如果它们是（d,d）阶协整的，则它们之间存在着一个长期稳定的比例关系。 例如：前面提到的中国CPC和GDPPC，它们各自都是2阶单整，并且将会看到，它们是(2,2)阶协整，说明它们之间存在着一个长期稳定的比例关系，从计量经济学模型的意义上讲，建立如下居民人均消费函数模型 二、协整检验 两变量的Engle-Granger检验 的单整性的检验方法仍然是DF检验或者ADF检验。 由于协整回归中已含有截距项，则检验模型中无需再用截距项。如使用模型1 MacKinnon(1991)通过模拟试验给出了协整检验的临界值，表9.3.1是双变量情形下不同样本容量的临界值。 三、误差修正模型 前文已经提到，对于非稳定时间序列，可通过差分的方法将其化为稳定序列，然后才可建立经典的回归分析模型。 如：建立人均消费水平（Y）与人均可支配收入（X）之间的回归模型： (1)如果X与Y间存在着长期稳定的均衡关系 Yt=?0+?1Xt+?t 且误差项?t不存在序列相关，则差分式 ?Yt=?1?Xt+?t 中的?t是一个一阶移动平均时间序列，因而是序列相关的； 例如，使用?Yt=?1?Xt+?t回归时，很少出现截距项显著为零的情况，即我们常常会得到如下形式的方程： 在X保持不变时，如果模型存在静态均衡（static equilibrium），Y也会保持它的长期均衡值不变。 但如果使用（*）式，即使X保持不变，Y也会处于长期上升或下降的过程中(Why?)，这意味着X与Y间不存在静态均衡。 这与大多数具有静态均衡的经济理论假说不相符。 可见，简单差分不一定能解决非平稳时间序列所遇到的全部问题