第十章时间序列计量经济模型详细分解.docVIP

*第十章 时间序列计量经济模型 引子: 是真回归还是伪回归？ 在经典的回归分析中，通常的做法是：首先采用普通最小二乘法（OLS）对回归模型进行估计，然后根据可决系数R2或F检验统计量值的大小来判定变量之间的相依程度，根据回归系数估计值的t统计量对系数的显著性进行判断，最后在回归系数显著不为零的基础上对回归系数估计值给予经济解释。 为了分析美国的个人可支配总收入(I)与个人消费总支出(E)的关系，遵照以上作法，收集了1970年至1991年的季度时间序列数据，用OLS法作E关于I的线性回归，得到如下结果： t=（-7.4809） (119.8711) 从回归结果来看，非常高，个人可支配总收入I的回归系数t统计量也非常大，边际消费倾向符合经济假设。 (资料来源：古扎拉蒂《计量经济学》下册,第719页,中国人民大学出版社) 凭借经验判断，这个模型的设定是好的，所用数据也是可靠的，样本容量很充分，这应是满意的结果。准备将这个计量结果用于经济结构分析和经济预测。 可是有人提出，这个回归结果可能是虚假的！可能只不过是一种“伪回归”！如果真是这样，将所估计的模型直接用于经济结构分析和预测，“就要千万小心!“。 这里用时间序列数据进行的回归，究竟是真回归还是伪回归呢？为什么模型、样本、数据、检验结果都很理想，却可能得到“伪回归”的结