第9章时间序列分析(简版)分析.ppt

模型（1）的实际值与拟合值的拟合效果见图9.9.6所示， 拟合效果较好。 图9.9.6 长期均衡关系方程拟合效果 模型（1）估计残差序列存储在默认序列对象resid中，在主窗口命令行输入：genr E=resid 生成一个新序列以保存结果。若变量序列lnGP、lnCP、lnIP、lnEP存在协整关系，则序列E应具有平稳性，对E做单位根检验，ADF检验结果如表9.9.7所示。 表9.9.7 残差序列E单位根检验结果 由于统计量ADF=-2.8966小于不同检验水平的三个临界值，因此残差序列E为平稳序列。所以lnGP、lnCP、lnIP、lnEP存在协整关系。协整关系所对应的长期均衡方程为式（1）所示，此方程具有明确的经济意义（解释省略）。 9.9.4 误差修正模型 因为lnGP、lnCP、lnIP、lnEP存在协整关系，可以建立误差修正模型。在主窗口命令行输入：LS d（lnGP） d（lnCP） d（lnIP） d（lnEP） E(-1) 回归结果如表9.9.8所示。 表9.9.8 ECM估计结果 模型通过显著性检验，其中变量的符号与长期均衡关系的符号一致，结果表明，消费、投资、出口在短期内每增加1%，短期内国内生产总值将依次增加0.6919%、0.2567%、0.0554% 。误差修正项系数为负，符合反向修正机制，它表明每年实际发生的国内生产总值与长期均衡值的偏差中的25.02%被修正。模型（2）反映了lnGP受lnCP、lnIP、lnEP影响的短期波动规律。 模型（2）的实际值与拟合值的拟合效果见图9.9.6所示，拟合效果较好。 图9.9.7 误差修正模型的拟合效果 现在分四种情形讨论： (1) x是引起y变化的原因，即存在由x到y的单向因果性。若式(9.5.1)中滞后的x的系数估计值在统计上整体的显著不为零，同时式(9.5.2)中滞后的y的系数估计值在统计上整体的显著为零，则称x是引起y变化的原因。 (2)y是引起x变化的原因，即存在由从y到x的单向因果性。若式(9.5.2)中滞后的y的系数估计值在统计上整体的显著不为零，同时式(9.5.1)中滞后的x的系数估计值在统计上整体的显著为零，则称y是引起x变化的原因。 (3)x和y互为因果关系，即存在x到y的单向因果性，同时也存在y到x的单向因果性。若式(9.5.1)中滞后的x的系数估计值在统计上整体的显著不为零，同时，式(9.5.2)中滞后的y的系数估计值在统计上整体的显著不为零，则称x和y间存在反馈关系，或者双向因果性。 (4)x和y是独立的，或x与y间不存在因果性。若式(9.5.1)中滞后的x的系数估计值在统计上整体的显著为零，同时，式(9.5.2)中滞后的y的系数估计值在统计上整体的显著为零，则称x与y间不存在因果关系。 一般而言，在进行Granger因果关系检验时，通常对不同的滞后长度分别进行试验，以确信因果关系检验中的随机误差不存在序列的相关来选取适当的滞后长度。 9.4.2 格兰杰(Granger)因果关系检验 为了检验x是引起y的原因，格兰杰因果关系检验步骤如下： (1)将当前的y对所有的滞后项y以及别的什么变量做回归，即y对y的 (6)同样，为了检验y是否是x的原因，可将变量y与x相互替换，重复步骤(1)至(5)。 我们利用EViews软件可以非常容易对两个变量进行因果关系检验。 例9.5.1 表9.5.1给出了我国1978-2000年按当年价格计算的GDP与居民消费CS数据，试检验GDP与CS是否存在因果关系。 表9.5.1 中国GDP与消费支出 （单位：亿元） 在进入录有GDP和CS数据的数组窗口，选择View／Granger Causality…后，进入Lag Specification(指定滞后长度)画面，选择适当的滞后长度，例如滞后长度为2，点击OK，则出现如图9.5.1结果。 图9.5.1 滞后长度为2的格兰杰因果关系检验 由相伴概率可知，在5%的显著性水平下，拒绝“GDP不是CS的格兰杰原因”的假设，而不拒绝“CS不是GDP的格兰杰原因”的假设。因此，从2阶滞后的情况看，GDP的增长是居民消费增长的原因，而不是相反。但是在2阶滞后时，检验的模型存在1阶自相关性。 在此窗口内点击View／Granger Causality…后，修改滞后长度，比如滞后长度等于3，再点击OK则出现如图9.5.2结果。 图9.5.2 滞后长度为3的格兰