第8章、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 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/Series Statistics/Unit Root test，输入序列名即可。 Lagged differences 为0即为DF检验 Lagged differences 不为0即为ADF检验 例子：美国消费和可支配收入的ADF检验 消费和收入的图形为 感觉消费和收入是平稳序列吗？ 对y进行ADF检验。滞后期为0，即DF检验。 ADF Test Statistic -2.189975 1% Critical Value* -4.1035 5% Critical Va