单位根协积和格兰杰因果关系.docVIP

第8章、单位根、协积和格兰杰因果关系 谬误回归（spurious regression）：两个没有任何逻辑联系的序列进行回归，含有很高的R2，因为两个序列都与时俱进（具有时间趋势）。例子，考研人数与手机数量。 那么，消费函数 也是谬误回归吗？点击美国消费数据文件，工具栏中选择quick/graph，输入co y，观察图形。 当我们引入平稳和非平稳的概念。如果消费、收入和残差是非平稳的，那么所有的统计量全部失效了。并且，我们将发现，消费和收入确实是非平稳的。 本节使用单位根、协积和格兰杰因果关系来研究这个问题。 §1、单位根 1、平稳性 定义：随机过程{yt}是弱平稳的（weakly stationary，covariance stationary），若 （1）Eyt与t无关 （2）var(yt)是与t无关的常数 （3）cov(yt, ys)是t-s的函数，但不是t或s的函数 2、AR(1)过程 定义：yt服从一阶自回归过程（autoregressive process），记为AR(1)，若 其中是白噪声（white noise，即，），。 3、AR(1)过程是平稳序列吗？ 若yt服从AR(1)过程， 试计算yt的均值、方差和自相关函数。 定理：若，则AR(1)过程是平稳过程。因为 （1） （2）， （3） 证明： （1） （2）依据协方差的定义，有 （3） 观察：若，{yt}还是平稳过程吗？为什么？ 看图识平稳。下面分别给出时间序列的图形和程序。是平稳过程吗？ y(1)=0; for t=1:1200 y(t+1)=5+0.8*y(t)+2*randn; end; plot(y) y(1)=0; for t=1:1200 y(t+1)=5+0.1*y(t)+2*randn; end; plot(y) y(1)=0; for t=1:1200 y(t+1)=5+0.0001*y(t)+2*randn; end; plot(y) y(1)=0; for i=1:1200 y(t+1)=5+0.95*y(t)+2*randn; end; plot(y) y(1)=0; for t=1:1200 y(t+1)=5+0.9999*y(t)+2*randn; end; plot(y) y(1)=0; for t=1:1200 y(t+1)=5+1.0*y(t)+2*randn; end; plot(y) y(1)=0; for t=1:1200 y(t+1)=5+1.1*y(t)+2*randn; end; plot(y) 4、积分过程 积分过程（integrated process），也译为“单整过程”或者“求和过程”。 定义：{yt}是非平稳过程，但是一阶差分以后 是平稳过程。称{yt}为一阶积分过程，记为I(1)。 定义：I(d)过程，若是平稳过程。 显然，I(0)过程是平稳序列。 习题：将yt进行d阶差分，即，展开以后观察是否等于。Ld表示d阶滞后算子，即Ldyt＝yt－d。 当回归模型中含有非平稳的I(d)序列时，常规的统计推断都不再成立，因此必须检验被解释变量和解释变量是不是平稳的。标准的检验方法是“单位根检验”。 5、单位根 单位根过程（unit root） 随机游动（random walk） I(1)过程 的AR(1)过程 使用数学记号表示为 其中是白噪声。 练习：计算I(1)过程的均值和方差  6、单位根检验 （1）DF检验（Dickey－Fuller test） 等价于 其中。 如果存在单位根，即，那么。因此定义原假设 H0： 等价于 似乎可以直接对进行线性回归，并进行系数?的t检验，但是这是不对的。因为在存在单位根的原假设下，系数的t统计量不再服从常规的t分布了。Dickey和Fuller（1979）证明了分布不是标准的t分布，并模拟了给定样本大小的临界值。比如，下面的定理。 定理（Dickey－Fuller检验）：若H0为真，那么 证明：见《Financial Econometrics》，Gourieroux and Jasiak。 使用这个定理不太方便，Eview给出了更加方便的结果。 （2）使用Eviews进行单位根检验 Eviews提供了如下三种检验形式： 包含常数项 包含常数项和线性时间调整项 无常数项和线性时间调整项 如果时间趋势和常数都不显著，就改为无常数项和线性时间调整项的情形。 选择Quick/