时间序列模型-经济学信息资源系统.doc

时间序列模型（二） 现代时间序列经济计量学的一个重要研究课题是探索经济时间序列的动态结构，研究它们的统计性质，理解产生这些经济数据的数据生成过程（DGP）的特点和性质，从而能更有效地利用经济数据构造和建立经济计量模型，用以做经济预测，检验各种经济理论的可靠性和可行性，并为各级政府和企业的经济决策提供数量化的建议。 传统的时间序列经济计量学在进行这些研究时，通常假设经济数据和产生这些数据的随机过程是稳定的过程（Stationary Process），在此基础上对经济计量模型中的参数做估计和假设检验。上一章便是这方面的结果。但是，许多经济指标的时间序列数据并不具有稳定过程的特征。比如，图10.1中我国的M1货币供应量和价格指数的年时间序列数据都不会由稳定的随机过程生成，因为它们显然不具有固定的期望值。 图10.1 货币供应量M1和价格指数P 对于由非稳定过程（Non-stationary Process）生成的时间序列数据，传统的数理统计和经济计量学方法显得无能为力（如常规的t和F检验失效，引起谬回归等）。这特别是因为作为推断和检验理论基础的中心极限定理，在涉及非平稳变量时，不再适用。在前一章，我们知道对于许多非平稳的时间序列，通过差分可以变化为平稳的，但是，由于水平变量之间往往具有重要的经济意义，以差分变量建立模型，不能对水平变量之间的关系做充分的描述，从而达不到检验经济理论，进行经济预测的目的。近年来，特别是自70年代中期以来，人们逐渐认识道路经济数据特别是宏观经济数据的非平稳性质，并对其作了深入可研究，得到了大量成果，诞生了以非平稳时序为重点处理对象的协整理论，使计量经济学有了突破性发展。 本章简要系统的介绍过去十几年中经济计量学在时间序列领域里的发展。重点是非平稳的单位根过程、协整过程等一些主要理论。这些理论虽然还没有完全揭示非平稳过程的结构特点及其性质，但在80年代初兴起后，已在很大程度上改变了传统的时间序列经济计量学的理论和方法。稳定过程不再是经济计量学研究的唯一对象，非平稳的时间序列也不再是不可涉足的领域，特别是其中的I（1）过程和I（2）过程及协整过程成了研究的主要对象，它们已在经济学和金融学中得到了广泛的应用。 我们从非平稳的单位根过程开始，介绍单位根过程的概念和性质，分析单位根过程的结构形式；第二节是如何判别一个随机过程是否为单位根过程以及何种形式的单位根过程；第三节是对协整过程的讨论，包括协整的概念、意义，协整的性质以及协整过程的一种最常用的表示形式——误差修正形式；第四节介绍协整检验和协整关系的估计方法。 第一节 单位根过程 1，单整过程 根据前一章对平稳时序的定义，如果时间序列是平稳的，它将趋于返回到它的均值，以一直相对不变的振幅围绕均值波动。随机过程称为非平稳的，如果其均值、方差随时间t而改变，例如图10.1所示的时序和就是非平稳的。 一个具体而常见的非平稳过程是随机游走。随机过程称为随机游走，如果 （10.1） 其中，为白噪声过程即独立同分布，且，。 随机游走是非平稳过程的一个特例。通过直接迭代 即，是许多随机变量的一个积累，具有一个明显的趋势。的期望 和它的方差 都是时间的函数，而且随时间发散到无穷大。序列没有返回其曾到达过的某一点的趋势。 当时，称为纯随机游走。显然纯随机游走也是非平稳过程。当时，称为带有漂移的随机游走。其一阶差分 是一白噪声过程加上的均值，显然是一平稳过程。 2，单位根过程 单位根过程是较随机游走更一般的非平稳过程。随机过程称为单位根过程，如果 （10.2） 其中，，为一稳定过程，且，这里。 随机过程称为带常数项的单位根过程，如果 （10.3） 其中，，，{}为一稳定过程。同样，它是对带漂移的随机游走的推广，该过程反复迭代可得 （10.3） 显然，该过程也具有一个明显的趋势。 随机过程称为带趋势的稳定过程，如果 （10.4） 其中，{}为稳定过程。实质上，带趋势的稳定过程也是非平稳过程，因为它的期望是时间的函数。 在以上三种情况下，数据生成过程都可写成： 其中，为滞后算子，分别为0、和，{}为稳定过程。它们的特征方程1-w=0有一个单位根w=1，因此可将以上三种随机过程通称为单位根过程。 单位根过程是最常见的非平稳过程之一，但是，其差分 是平稳过程。 一般地，若非平稳过程的一阶差分为平稳的，则称其为一阶单整的，记为Ｉ（１），若非平稳过程经过ｄ次差分后为平稳的，则称其为ｄ阶单整的，记为Ｉ（ｄ）。Ｉ（１）序列往往具有一个固定的增长趋势，一般不会返回某个特定值，大多数的宏观经济流量指标和与人口规模相联系的存量指