5.3协整与误差修正模型讲义.pptVIP

§5.3 协整与误差修正模型 一、长期均衡关系与协整 二、协整的检验 三、关于均衡与协整的再讨论 四、误差修正模型 例题：对经过价格指数调整后的1980~2013年间中国居民总量消费Y与总量可支配收入X的数据，检验它们取对数的序列lnY与lnX间的协整关系。 对于lnY与lnX，经检验，它们均是I(1)序列，最终的检验模型如下： 对lnY与lnX进行如下协整回归： 对计算得到的残差序列进行ADF检验，最终检验模型为： 3、高阶单整变量的Engle-Granger检验 E-G检验是针对2个及多个I(1)变量之间的协整关系检验而提出的。 在实际宏观经济研究中，经常需要检验2个或多个高阶单整变量之间的协整关系，虽然也可以用E-G两步法，但是残差单位根检验的分布同样已经发生改变。 三、关于均衡与协整关系的讨论 协整方程等价于均衡方程？ 协整方程不等价于均衡方程 协整方程具有统计意义，而均衡方程具有经济意义。时间序列之间在经济上存在均衡关系，在统计上一定存在协整关系；反之，在统计上存在协整关系的时间序列之间，在经济上并不一定存在均衡关系。协整关系是均衡关系的必要条件，而不是充分条件。 均衡方程中应该包含均衡系统中的所有时间序列，而协整方程中可以只包含其中的一部分时间序列。 协整方程的随机扰动项是平稳的，而均衡方程的随机扰动项必须是白噪声。 不能由协整导出均衡，只能用协整检验均衡。 例题：建立中国居民总量消费Y的误差修正模型。 经检验，中国居民总量消费（Y）与可支配总收入（X）的对数序列间呈协整关系。 以lnY关于lnX的协整回归中稳定残差序列作为误差修正项，可建立如下误差修正模型 ： 注意：在实际应用研究中，如果误差修正模型中误差修正项的参数估计值为正，模型肯定是错误的。 Y的变化决定于X的变化以及前一时期的非均衡程度。 一阶误差修正模型(first-order error correction model)的形式： 若(t-1)时刻Y大于其长期均衡解?0+?1X，ecm为正，则(-?ecm)为负，使得?Yt减少； 若(t-1)时刻Y小于其长期均衡解?0+?1X ，ecm为负，则(-?ecm)为正，使得?Yt增大。 体现了长期非均衡误差对短期变化的控制。 复杂的ECM形式，例如： 3、误差修正模型的建立 Granger 表述定理（Granger representaion theorem） Engle 与 Granger 1987年提出 如果变量X与Y是协整的，则它们间的短期非均衡关系总能由一个误差修正模型表述。 模型中没有明确指出Y与X的滞后项数，可以是多阶滞后； 由于一阶差分项是I(0)变量，因此模型中允许采用X的非滞后差分项?Xt 。 建立误差修正模型，需要： 首先对经济系统进行观察和分析，提出长期均衡关系假设。 然后对变量进行协整分析，以发现变量之间的协整关系，即即检验长期均衡关系假设，并以这种关系构成误差修正项。 最后建立短期模型，将误差修正项看作一个解释变量，连同其它反映短期波动的解释变量一起，建立短期模型，即误差修正模型。 Engle-Granger两步法 第一步，进行协整回归（OLS法），检验变量间的协整关系，估计协整向量（长期均衡关系参数）； 第二步，若协整性存在，则以第一步求到的残差作为非均衡误差项加入到误差修正模型中，并用OLS法估计相应参数。 需要注意的是：在进行变量间的协整检验时，如有必要可在协整回归式中加入趋势项，这时，对残差项的稳定性检验就无须再设趋势项。 另外，第二步中变量差分滞后项的多少，可以残差项序列是否存在自相关性来判断，如果存在自相关，则应加入变量差分的滞后项。 滞后阶数由LM检验确定 * 一、长期均衡与协整分析Equilibrium and Cointegration 1、问题的提出 经典回归模型（classical regression model）是建立在平稳数据变量基础上的，对于非平稳变量，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平稳的，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，中国居民实际消费水平与实际收入水平变量, 从经济理论上说，居民收入决定着居民消费水平，它们之间有着长期的稳定关系，即它们之间是协整的。 经济理论指出，某些经济变量间确实存在着长期均衡关系，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其长期均衡点，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。 假设X与Y间的长期“均衡关系”由式描述 2、长