第八单元 时间序列分析.pptVIP

第一节 单位根检验 第二节 协整分析与ECM模型 第三节 因果关系检验 到目前为止，经典计量经济模型常用到的数据有： 时间序列数据（time-series data)； 截面数据(cross-sectional data) 平行/面板数据（panel data/time-series cross-section data) ★时间序列数据是最常见，也是最常用到的数据。 几种随机漫步过程 纯随机漫步：Yt=Yt-1+ ?t 带漂移的随机漫步：Yt=?＋Yt-1+ ?t 带趋势的随机漫步：Yt=?＋?t＋Yt-1+ ?t 其中?t是白噪声序列。 4、单位根检验在Eviews统计软件的应用 在主菜单中选择 quick/series statistics/unit root test 输入要检验的变量 确定选择参数 也可以在序列窗口中选择： View/unit root test 案例：检验某国私人消费时间序列的平稳性。 序列一阶差分结果 第二节 协整分析与ECM 一、协整（cointegrated）分析（一）协整的提出及定义 大多数序列都是非平稳的，为防止伪回归，这时的处理办法有两个： 差分：使用变量为差分形式的关系式更适合描述所研究的经济现象的短期状态或非均衡状态，而不是其长期或均衡状态，描述所研究经济现象的长期或均衡状态应采用变量本身。 协整：是指多个非平稳经济变量的某种线性组合是平稳的。 （若平稳就是协整的） （二）协整检验的意义 例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。 由于变量可能是非平稳的，因此不能直接运用OLS法。对上述分布滞后模型适当变形得： 称为一阶误差修正模型(first-order error correction model)。 以生活费支出（ZC）为被解释变量，可支配收入（SR）为解释变量，用OLS回归方法估计回归模型，结果见下图. 将上述OLS回归得到的残差序列命名为新序列e，对e序列进行单位根检验。 建立误差修正模型 在模型中，差分项反映了变量短期波动的影响。被解释变量的波动可以分为两部分：一部分是短期波动，一部分是长期均衡。 误差修正项系数的大小（－0.6635）反映了对长期均衡的调整力度。 第三节 因果关系检验 三、因果关系检验(格兰杰（Granger）检验 ) 一、格兰杰检验的原理 Granger对因果关系的定义：如果x是引起y变化的原因，则x应该有助于预测y，即在y关于y过去值的回归中，添加x的过去值作为独立的解释变量，应该显著增加回归的解释能力。 此时，称x为y的原因（Granger cause），记为x y。如果添加x的滞后变量之后，没有显著增加回归模型的解释能力，则称x不是y的原因，记为x y。 二、格兰杰检验的步骤 ③对于给定的显著水平α，若FFα，则拒绝原假设H0，即x是引起y变化的原因（x y）。反之，则认为x不是y变化的原因（x y）。 三、格兰杰检验的EViews软件实现 对于任意两个变量y和x，EViews软件自动检验两个假设： x y ， y x 具体操作过程为： ①在工作文件窗口选择需分析的两个变量y和x，并将它们做为一个数组打开； ②在数组窗口中点击View\ Granger Causality，并输入滞后期长度m，屏幕将输出如下图所示的结果： 四、使用格兰杰检验时应注意两个问题 案例（教材135页） 银行股与上证指数的因果关系检验 演示操作。略。 时间序列的回归：小结 二、 误差修正模型（ECM） 格兰杰代表定理”（Granger representation theorem）:如果两变量Yt和Xt是协整的，则它们之间存在长期均衡关系。 变量间这种长期的稳定关系是在短期动态过程的不断调整下得以维持，这种短期动态的调整过程就是误差修正机制，它防止了变量间长期关系的偏差在规模上或数量上的扩大。在短期内，这些变量可以是不均衡的，扰动项是均衡误差εt。两变量间这种短期不均衡关系的动态结构可以由误差修正模型（error correction model）来描述。 ECM模型最初由Sargan提出，后由Davidson、 Hendry、Srba和Yeo于1978年进一步完善。这一联系两变量的短期和长期行为的误差修正模型由下式给出： ΔYt = 滞后的（ΔYt，ΔXt）+λut-1 + vt （4） －1＜λ＜0 其中 Yt～I(1），Xt～I(1）