六协整与Granger因果关系检验.ppt

* 在第三章已经说明只要变量之间存在协整关系，可以由自回归分布滞后模型导出误差修正模型。 Engle和Granger将协整与误差修正模型结合起来，建立了向量误差修正模型。 而在VAR模型中的每个方程都是一个自回归分布滞后模型，因此，可以认为VEC模型是含有协整约束的VAR模型。 VEC模型多应用于具有协整关系的非平稳时间序列建模。 第六节 向量误差修正模型(VEC) * 其中每个方程的误差项 ?i (i =1，2，…，k) 都具有平稳性。一个协整体系由多种表示形式，用误差修正模型表示是当前处理这种问题的普遍方法，即： 如果式(6.6.1)的 yt 所包含的 k 个 I(1) 过程存在协整关系，则不包含外生变量的式(6.6.5)可写为 其中的每一个方程都是一个误差修正模型， 为误差修正项。 误差修正模型 反映变量之间的长期均衡关系。 系数矩阵? 反映变量之间的均衡关系偏离长期均衡状态时，将其调整到均衡状态的调整速度。 所有作为解释变量的差分项的系数 反映各变量的短期波动对作为被解释变量的短期变化的影响，我们可以剔除其中统计不显著的滞后差分项。 * 考虑一个两变量(y1，y2)的包含误差修正项、但没有滞后差分项的VEC模型。误差修正项是： 则VEC模型为 其中：? =(?1, ?2)? ，写成单方程形式为 * 其中，系数 ?1，?2 代表调整速度。在这个简单的模型中，等式右端惟一的变量是误差修正项。在长期均衡中，这一项为0。然而，如果 y1，y2 在上一期偏离了长期均衡，则误差修正项非零，?1 和 ?2 会将其向均衡状态调整。 由于序列 y1 ，y2 的不同特征，模型可以指定成不同的形式： ① 如果两个内生变量 y1 和 y2 不含趋势项，并且协整方程有截距 ? ，则VEC模型有如下形式 * ② 假设在序列中有线性趋势?，则VEC模型有如下形式 ③ 类似地，协整方程中可能有趋势项 ? t ，其形式为 * ④ 如果序列中存在着隐含的二次趋势项 ?t，等价于VEC模型的括号外也存在线性趋势项，其形式为 上述仅讨论了简单的VEC模型，与VAR类似，我们可以构造结构VEC模型，同样也可以考虑VEC模型的Granger因果检验、脉冲响应函数和方差分解。关于VAR模型和VEC模型更多的讨论，可参考Davidson和Mackinnon（1993）及汉密尔顿（1999）的详细讨论。 * 例9.8 基于具有约束条件的VEC模型分析中国货币政策效应 为了进一步了解VEC模型中协整向量的约束，本例选择中国的实际M1（m1）、实际社会消费品零售总额（sl，简称实际消费）、实际固定资产投资（if）、实际工业总产值（tiv）、实际一年期贷款利率（rr）、居民消费价格指数（cpi，1990年1月为100）6个变量研究货币政策对各类总需求的影响，其中实际M1、实际消费采用1990年1月为1的居民消费价格指数进行平减，实际工业总产值采用1990年1月为1的工业品出厂价格指数进行平减，固定资产投资采用1990年1月为1的投资价格指数进行平减、实际利率等于名义利率减去通货膨胀率。样本区间从1995年1月～2006年12月，并对各指标进行季节调整，消除不规则要素和季节要素。 * 单位根检验的结果表明各指标均是I(1)序列，Johansen协整检验的两个统计量均表明存在3个协整向量，在此基础上，估计类似式（6.7.1）的VEC模型： * t=1，2，…，T 其中， ?为6×2的矩阵，其每一列所表示的各变量的线性组合都是一种协整形式，因此? 称为协整向量矩阵，2为协整向量的个数。? 也是6×2的矩阵，其每一行元素是出现在第i个方程中的对应误差修正项的系数，即调整系数，故称为调整参数矩阵。模型（6.7.17）中差分项的滞后阶数为3，估计结果如表6.4。 * 1. 如何估计VEC模型 由于VEC模型的表达式仅仅适用于协整序列，所以应先运行Johansen协整检验，并确定协整关系数。需要提供协整信息作为VEC对象定义的一部分。 如果要建立一个VEC模型，在VAR对象设定框中，从VAR Type中选择Vector Error Correct