第八章 时间序列分析下(09统计学)课件.ppt

第一节 单位根检验 第二节 协整分析与ECM模型;第二节 协整分析与ECM;一、协整（cointegrated）分析（一）协整的提出及定义;协整的定义 如果两时间序列Yt～I(d)，Xt～I(d)，并且这两个时间序列的线性组合a1Yt+a2Xt 是(d-b)阶单整的，即a1Yt+a2Xt～I(d-b)（d≥b≥0），则Yt 和Xt被称为是（d, b）阶协整的。记为 Yt, Xt～CI(d , b) 这里CI是协整的符号。构成两变量线性组合的系数向量（a1，a2）称为“协整向量”。;考虑下面的关系 Yt = β0+β1Xt （1） 其中，Yt～I(1），Xt～I(1）。 当0= Yt－β0－β1Xt时，关系处于长期均衡状态。 对长期均衡的偏离，称为“均衡误差”，记为εt： εt = Yt－β0－β1Xt ; 若长期均衡存在，则均衡误差应当围绕均衡值0波动。也就是说，均衡误差εt应当是一个平稳时间序列，即应有 εt～I(0），E(εt）= 0。 按照协整的定义，由于 Yt～I(1），Xt～I(1），且线性组合 εt=Yt－β0－β1Xt～I(0） 因此，Yt 和Xt是（1，1）阶协整的，即 Yt，Xt～CI(1, 1） 协整向量是（1, －β0, －β1） ; 综合以上结果，可以说，两时间序列之间的协整是表示它们之间存在长期均衡关系的另一种方式。因此，若Yt 和Xt是协整的, 并且均衡误差是平稳的且具有零均值，则可以确信，方程 Yt =β0+β1Xt+εt （2） 将不会产生伪回归结果。 由上可知，如果我们想避免伪回归问题，就应在进行回归之前检验一下所涉及的变量是否协整。 “可以把协整检验看成是避免出现伪回归”情况的一个预检验----格兰杰。;（二）协整检验的意义;（三）协整的检验 Engle-Granger法 步骤1. 用上一节介绍的单位根方法求出两变量的单整的阶，然后分情况处理, 共有三种情况： （1） 若两变量的单整的阶相同，进入下一步； （2） 若两变量的单整的阶不同，则两变量不是协整的； （3） 若两变量是平稳的，则整个检验过程停止，因为可以采用标准回归技术处理。 ; 步骤2. 若两变量是同阶单整的，如I(1），则用OLS法估计长期均衡方程（称为协整回归）： Yt=β0+β1Xt+εt 并保存残差et，作为均衡误差εt的估计值。 ;步骤3. 对于两个协整变量来说，均衡误差必须是平稳的。为检验其平稳性，对上一步保存的均衡误差估计值（即协整回归的残差et）应用单位根方法。具体作法是将Dickey—Fuller检验法用于时间序列et，也就是用OLS法估计形如下式的方程： △et =δet-1 + νt （3） 有两点须提请注意： （1）（3）式不包含常数项，这是因为OLS残差et应以0为中心波动。 （2）Dickey—Fullerτ统计量不适于此检验，表1提供了用于协整检验的临界值表。;弛磺妈静吕串蹬允倦筹巧陕裂搁风约庄抚弗沮生良殿纠寂薯引忿左柱抛奏第八章 时间序列分析下(09统计学)课件第八章 时间序列分析下(09统计学)课件; 例1 检验中国居民人均消费水平CPC与人均国内生产总值GDPPC的协整关系。;二、 误差修正模型（ECM） 协整分析中最重要的结果可能是所谓的“格兰杰代表定理”（Granger representation theorem）。按照此定理，如果两变量Yt和Xt是协整的，则它们之间存在长期均衡关系。 当然，在短期内，这些变量可以是不均衡的，扰动项是均衡误差εt。两变量间这种短期不均衡关系的动态结构可以由误差修正模型（error correction model）来描述。（变量间这种长期的稳定关系是在短期动态过程的不断调整下得以维持，这种短期动态的调整过程就是误差修正机制，它防止了变量间长期关系的偏差在规模上或数量上的扩大)。 ECM模型最初由Sargan提出，后由Davidson、 Hendry、Srba和Yeo于1978年进一步完善。这一联系两变量的短期和长期行为的误差修正模型由下式给出： ;ΔYt = 滞后的（ΔYt，ΔXt）+λεt-1 + vt （4）