八时间序列计量经济学模型(计量经济学-李子奈(版).ppt

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)。 非均衡误差的单整性的检验方法仍然是DF检验或者ADF检验。 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。 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。 例8.3.1 利用1978-2006年中国居民总量消费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。 分别对lnY与lnX进行单位根检验，结论：它们均是I(1)序列 。 进行协整回归。 对协整回归的残差序列进行单位根检验，结论：残差序列是平稳的。 由此判断中国居民总量消费的对数序列lnY与总可支配收入的对数序列lnX是（1,1）阶协整的。 验证了该两变量的对数序列间存在长期稳定的“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： 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一定是稳定序列I(0)。于是它们的任意线性组合也是稳定的。例如 由于vt象?t一样，也是Z、X、Y、W四个变量的线性组合，由此vt 式也成为该四变量的另一稳定线性组合。 （1, -?0,-?1,-?2,-?3）是对应于?t 式的协整向量，（1,-?0-?0,-?1,1,-?1）是对应于vt式的协整向量。 一定是I(0)序列。 检验程序： 对于多变量的协整检验过程，基本与双变量情形相同，即需检验变量是否具有同阶单整性，以及是否存在稳定的线性组合。 在检验是否存在稳定的线性组合时，需通过设置一个变量为被解释变量，其他变量为解释变量，进行OLS估计并检验残差序列是否平稳。 如果不平稳，则需更换被解释变量，进行同样的OLS估计及相应的残差项检验。 当所有的变量都被作为被解释变量检验之后，仍不能得到平稳的残差项序列，则认为这些变量间不存在（d,d）阶协整。 检验残差项是否平稳的DF与ADF检验临界值要比通常的DF与ADF检验临界值小，而且该临界值还受到所检验的变量个数的影响。 MacKinnon(1991)通过模拟试验得到的不同变量协整检验的临界值。 3、重要讨论：协整方程等价于均衡方程？ 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。 例如：农场居民人均消费和城镇居民人均收入之间存在协整关系，但是它们在经济上并不存在均衡关系。 例如：经济增长率和通货膨胀率之间存在协整关系，但是它们在经济上并不存在均衡关系。 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。 例如：在GDP使用系统中包括GDP使用额、消费额、资本形成额、净出口额。均衡关系存在于4个序列之间，而协整关系可以存在于任意2个、3个序列之间。 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。 结论：不能由协整导出均衡，只能用协整检验均衡。 四、误差修正模型Error Correction Model, ECM 1、一般差分模型的问题 对于非稳定时间序列，可通过差分的方法将其化为稳定序列，然后才可建立经典的回归分析模型。 模型只表达了X与Y间的短期关系，而没有揭示它们间的长期关系。关于变量水平值的重要信息将被忽略。 误差项?t不存在序列相关， ?t是一个一阶移动平均时间序列，因而是序列相关的。 2、误差修正模型 是一种具有特定形式的计量经济学模型，它的主要形式是由Davidson、 Hendry、Srba和Yeo于1978年提出的，称为DHSY模型。 由于现实经济中很少处在均衡点上，假设具有（1, 1）阶分布滞后形式 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 erro