时间序列分析c优秀培训书.pptVIP

第三节 协整与误差修正模型 长期均衡关系与协整 协整的检验 误差修正模型 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）。 一、长期均衡与协整 经济理论指出，某些经济变量之间确实存在长期均衡关系。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。 长期均衡关系 假设X 与Y 之间存在长期均衡关系，并且均衡关系可以描述为： Yt ? ?0 ? ?1Xt。 这一均衡关系说明给定X 的一个值， Y 相应的均衡值也随之确定为?0 ? ?1X。 但是经济系统经常会受到外部的干扰，从而使系统暂时偏离均衡状态。为了说明这一点，我们用关系 Yt ? ?0 ? ?1Xt ??t。 加以描述。其中?t为随机干扰项。 长期均衡关系 在t?1期末，可能存在下述三种情况之一： 1. Y 等于它的均衡值，即 Yt ?1 ? ?0 ? ?1Xt ?1 。 2. Y 小于它的均衡值，即 Yt ?1 ? ?0 ? ?1Xt ?1 。 3. Y 大于它的均衡值，即 Yt ?1 ? ?0 ? ?1Xt ?1 。 长期均衡关系 在t期，假设X 有一个变化量?Xt，如果X 与Y 在t?1期和t期都满足长期均衡关系，则相应的变化量?Yt满足： ?Yt ? ?1 ?Xt ?vt。 其中vt ? ??t ??t ?1。如果经济在t?1期处于非均衡状态，例如，Y 小于它的均衡值，Yt ?1 ? ?0 ? ?1Xt ?1，则根据经济理论， Y 的变化量会比上面的?Yt大一些；反之，如果Y 大于它的均衡值，即Yt ?1 ? ?0 ? ?1Xt ?1， Y 的变化量会比上面的?Yt小一些。 长期均衡关系 如果 Yt ? ?0 ? ?1Xt。 确实描述了X 与Y 之间的长期均衡关系，则Y 对均衡点的偏离从本质上说是“暂时”的。因此在关系 Yt ? ?0 ? ?1Xt ??t。 中随机干扰项?t应该是平稳的。如果?t具有随机性趋势，则会导致Y长期偏离其均衡点?0 ? ?1Xt 。 长期均衡关系 随机干扰项?t也称为非均衡误差(disequilibrium error)，它是变量X 与Y的线性组合： ?t ? Yt ??0 ? ?1Xt 。 因此，即使X 与Y是非平稳的，但如果存在长期均衡关系，则它们的线性组合是平稳的。 协整 如果 Yt ? ?0 ? ?1Xt ??t。 中的X 与Y 都是一阶单整的，即为I(1)，而随机干扰项?t是I(0)，这时我们就X 与Y 是协整的。 协整 一般地，设X1t, X2t,…, Xkt都是d 阶单整的，如果存在向量? ?(?1, ?2 ,…, ?k) ，使得 Zt ? ??Xt ? ?1X1t ? ?2 X2t ? ??? ? ?k Xkt ~ I(d? b)， 其中b ?0， Xt ? (X1t, X2t,…, Xkt)，则称X1t, X2t,…, Xkt是(d, b)阶协整的。记为Xt ~CI (d, b)， ? 称为协整向量(conintegrated vector) 例 前面的中国居民人均消费与人均GDP都是2阶单整的，可以证明它们有一个线性组合是0阶单整的，从而是(2, 2)阶协整的。 协整与长期均衡关系 (d, d)阶协整是一类非常重要的协整关系。其经济意义在于：两个变量，虽然具有各自的长期波动规律，但是如果它们是(d, d)阶协整的，则它们之间存在一个长期稳定的均衡关系或比例关系。 对于中中国居民人均消费与人均GDP，它们是(2, 2)阶协整的，从而存在一个长期稳定的比例关系。从计量经济学的角度，建立如下模型： CONSPt ? ?0 ? ?1 GDPP t ? ?t , 变量的选择是合理的，随机干扰项?t也一定是白躁声，而且模型参数有合理的经济解释。 二、协整的检验 两变量的Eng