第九章时间序列模型教材.ppt

假设r=0时，根据典型相关分析的理论， 的特征根?1??2…??m0是ut和?t中m对典型变量（线性组合）相关系数的平方。是ut和?t的协方差矩阵，如果ut和?t无相关关系，则S01=0。Johansen检验的思想就是检验ut和?t是否存在相关的典型变量和有几对相关性较大的典型变量。 如果ut和?t无相关关系，S01=0，则 无协整关系 ,否则当?很小时，支持备择假设，至少有一个协整变量。 检验的统计量 当H0： r=0的情形下，接受原假设，则没有协整关系，如果拒绝原假设，则要进行下一步检验，即检验r=1时的情形。 H1：有2个协整关系，即在ut和vt中有2对典型变量相关性显著； H0：至多存在1个协整关系，即在ut和vt中有 1对典型变量相关性显著； 检验的统计量为： 当r=1的情形下，接受原假设，则仅有一个协整变量，如果拒绝原假设，则要进行下一步检验，即检验r=2时。与此类推，当r=k的情形下，接受原假设，则有k个协整变量，如果拒绝原假设，则要进行下一步检验，即检验r=k+1时情况。 （3）Johansen检验的实施 Johansen检验要求，协整方程有5种，上面的对话框左侧： 序列y或协整方程种无确定趋势项或无截距项； 序列y无截距项且协整方程只有截距项； 序列y或协整方程中只有截距项； 序列y无趋势项和在协整方程既有截距项也有趋势项； 序列y有线性趋势且在协整方程既有截距项也有趋势项。 变量选择是合理的，随机误差项一定是“白噪声”（即均值为0，方差不变的稳定随机序列），模型参数有合理的经济解释。 这也解释了尽管这两时间序列是非稳定的，但却可以用经典的回归分析方法建立回归模型的原因。 从这里，我们已经初步认识到：检验变量之间的协整关系，在建立计量经济学模型中是非常重要的。 而且，从变量之间是否具有协整关系出发选择模型的变量，其数据基础是牢固的，其统计性质是优良的。 二、协整检验 1.两变量的Engle-Granger检验 为了检验两变量Yt,Xt是否为协整，Engle和Granger于1987年提出两步检验法，也称为EG检验。 第一步，用OLS方法估计方程： Yt=?0+?1Xt+?t 并计算非均衡误差，得到： 称为协整回归(cointegrating)或静态回归(static regression)。 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 进行检验时，拒绝零假设H0：?=0，意味着误差项et是平稳序列，从而说明X与Y间是协整的。 需要注意是，这里的DF或ADF检验是针对协整回归计算出的误差项，而非真正的非均衡误差?t进行的。 而OLS法采用了残差最小平方和原理，因此估计量?是向下偏倚的，这样将导致拒绝零假设的机会比实际情形大。 于是对et平稳性检验的DF与ADF临界值应该比正常的DF与ADF临界值还要小。 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。 例9.3.1 检验中国居民人均消费水平CPC与人均国内生产总值GDPPC的协整关系。 在前文已知CPC与GDPPC都是I(2)序列，而§2.10中已给出了它们的回归式： R2=0.9927 通过对该式计算的残差序列作ADF检验，得适当检验模型 (-2.54) LM(1)=0.88 LM(2)=1.45 t=-2.54-1.96=ADF0.05，拒绝存在单位根的假设，残差项是稳定的，因此中国居民人均消费水平与人均GDP是(2,2)阶协整的，说明了该两变量间存在长期稳定的“均衡”关系。 2.多变量协整关系的检验—扩展的E-G检验 多变量协整关系的检验要比双变量复杂一些，主要在于协整变量间可能存在多种稳定的线性组合。 假设有4个I(1)变量Z、X、Y、W，它们有如下的长期均衡关系： (*) 其中，非均衡误差项?t应是I(0)序列： (**) 然而，如果Z与W，X与Y间分别存在长期均衡关系： 则非均衡误差项v1t、v2t一定