第8章协整与误差修正模型.pptVIP

第八章 协整与误差校正模型;? 伪回归? 协整的概念及性质? 协整检验? 误差修正模型（ECM）? 本章小结 ; 所谓“伪回归”，是指时间序列变量间本来不存在相依关系，但回归结果却得出存在相依关系的错误结论。这是传统回归分析方法较易犯的一种错误。（时间序列平稳性） Granger Newbold（1974）通过Monte Carlo实验最早发现“伪回归”这一现象，即如果用传统回归分析方法对彼此不相关的非平稳变量进行回归，OLS 或 检验值往往会倾向于显著，从而得出变量相依的“伪回归结果”，并得出：造成“伪回归”的根本原因在于时间序列变量的非平稳性。;非平稳性对回归分析有什么影响？;Granger Newbold（1974）通过Monte Carlo表明：;Phillips（1986）对“伪回归”的理论解释;Phillips（1986）针对上述模型得到如下结论：;说明：随机扰动项 方差的估计;说明：在零假设下统计量 弱收敛于维纳过程的泛函， 具有规范的极限分布；原来的T统计量既不服从T分布，也不存在规范的极限分布，T统计量将随样本容量的增加而发散。;（1）避免回归方程中出现非平稳时间序列变量。非平稳时间序列变量进行差分，使得差分序列变成平稳序列，然后对差分变量进行回归。这种做法可以消除变量非平稳性可能带来的“伪回归”问题，但会损失变量间长期关系的信息。;一、协整（COINTEGRATION）的概念;;;所谓协整，是指多个非平稳经济变量的某种组合是平稳的。更直观来说，在一个经济系统中，尽管各个经济变量具有各自的长期波动规律，但它们的某种线性组合却存在稳定的均衡关系，从而表现出这些非平稳经济变量之间存在着一个长期稳定的关系。这种经济变量运动的长期稳定关系构成了协整。;协整的再认识（模拟数据）;设有K 个序列 用 表示由此K个序列构成的K维向量序列，如果： ;（1）协整秩不超过变量序列个数减1。特别，在二变量情形下，协整向量在常数倍意义下是惟一的。（2）上述协整定义所描述的变量均衡关系，要求序列都为同阶单整，这是一较强的条件。事实上，这一条件只对两变量情形是必须的。（3）若 为协整向量，即 ，则对任意常数 ， 也为协整向量。;协整概念的提出对于用非平稳变量建立经济计量模型，以及检验这些变量之间的长期均衡关系非常重要。 （1）如果多个非平稳变量具有协整性，则这些变量可以组合成一个平稳序列。 （2）当且仅当多个非平稳变量之间具有协整性时，由这些变量建立的回归模型才有意义。所以协整性检验也是区别真实回归与伪回归的有效方法。 （3）具有协整关系的非平稳变量可以用来建立误差修正模型。由于误差修正模型把长期关系和短期动态特征相结合在，从而可以克服传统计量经济模型忽视伪回归的问题，又可以克服建立差分模型忽视水平变量信息的弱点。; 假设M维向量序列 存在一个协整关系，且 为协整向量，则 。 不失一般性，设协整向量 为标准化向量 该标准化向量的估计可以看成是如下协整回归：的OLS估计，并且该估计量是协整向量的超一致估计量。即使上述模型的干扰项序列存在自相关，也会得出模型的OLS估计量是协整向量的一致估计量。（ PHILLIPS DURLAUF, 1986; STOCK, 1987）;●基于回归方程残差的协整检验，EG两步法。●基于回归系数的协整检验。JOHANSEN检验。;基本思想：如果变量 与变量 之间存在协整关系，则所体现的回归关系不是伪回归，回归系数的最小二乘估计是协整向量的一致估计，残差估计 为一平稳随机过程。问题：如何检验残差序列 的平稳性？（DF、ADF、PP检验）。请注意： 不是直接的观测样本。;（1）利用最小二乘法估计协整回归；（2）检验协整回归的残差序列是否存在单位根，检验可用 （8.28式）和 （8.29式）统计量，也可以用ADF-T （8.31式）统计量，但临界值需查专门的用于检验协整关系的临界值表。（EG专用临界值表）注：临界值不能使用普通