第七章 时间序列分析(计量经济学,潘省初).pptVIP

下面看一下该序列的一阶差分（△Ct）的平稳性。做类似于上面的回归，得到如下结果： (3) △2 = 7972.671-0.85112△Ct-1 R2=0.425 (t:) (4.301) (-4.862) DW=1.967 (4) △2 =10524.35-114.461t-0.89738△Ct-1 R2=0.454 (t:) (3.908) (-1.294) (-5.073) DW=1.988 其中△2Ct=△Ct-△Ct-1。 两种情况下，tδ值分别为 -4.862和-5.073，二者分别小于表7.1中从0.01到0.10的各种显著性水平下的τμ值和τT值。因此，都拒绝原假设，即私人消费一阶差分时间序列没有单位根，或者说该序列是平稳序列。 综合以上结果，我们的结论是： △Ct是平稳序列，△Ct～I(0）。 而Ct是非平稳序列，由于△Ct～I(0），因而 Ct～I(1）。 第三节 协整 让我们考察弗里德曼的持久收入假设：私人总消费（Ct）是持久私人消费和暂时性私人消费（εt）之和，持久私人消费与持久个人可支配收入（Yt）成正比。则消费函数为： (7.18) 其中0＜β1≤1。 用表7.2中数据对此消费函数进行OLS估计，假定持久个人收入等于个人可支配收入，我们得到： = 0.80969Yt R2=0.9924 (t:) (75.5662) DW=0.8667 除DW值低以外，估计结果很好。t值很高表明回归系数显著，R2也很高，表明拟合很好。可是，由于方程中的两个时间序列是趋势时间序列或非平稳时间序列，因此这一估计结果有可能形成误导。结果是，OLS估计量不是一致估计量，相应的常规推断程序不正确。 这种结果看上去非常好但涉及的变量是趋势时间序列的回归被Granger 和 Newbold 称为“伪回归” (Spurious regression)。 当回归方程中涉及的时间序列是非平稳时间序列时，OLS估计量不再是一致估计量，相应的常规推断程序会产生误导。这就是所谓的“伪回归”问题。 他们指出，如果在时间序列的回归中DW值低于R2，则应怀疑有伪回归的可能。我们上面的结果正是如此（R2 = 0.9924 DW = 0.8667）。 考虑到经济学中大多数时间序列是非平稳序列，则我们得到伪回归结果是常见的事。避免非平稳性问题的常用方法是在回归中使用时间序列的一阶差分。可是，使用变量为差分形式的关系式更适合描述所研究的经济现象的短期状态或非均衡状态，而不是其长期或均衡状态，描述所研究经济现象的长期或均衡状态应采用变量本身。 由上面的讨论，自然引出了一个明显的问题：我们使用非均衡时间序列时是否必定会造成伪回归？ 对此问题的回答是，如果在一个回归中涉及的趋势时间序列“一起漂移”，或者说“同步”，则可能没有伪回归的问题，因而取决于t检验和F检验的推断也没有问题。这种非均衡时间序列的“同步”，引出了我们下面要介绍的“协整”概念。 一．协整的概念 在方程（7.18） 中，持久收入假设要求两时间序列Ct和Yt的线性组合，即时间序列Ct－β1Yt必须是平稳的，这是因为此序列等于εt，而暂时性私人消费（εt）按定义是平稳时间序列。 可是，Ct和Yt都是非平稳时间序列，事实上，不难验证：Ct～I(1），Yt～I(1）。 也就是说，尽管Ct～I(1），Yt～I(1），但持久收入假设要求它们的线性组合εt=Ct－β1Yt是平稳的，即εt=Ct－β1Yt～I (0）。在这种情况下，我们说时间序列Ct和Yt是协整的(Cointegrated)。下面给出协整(Cointegration)的正式定义。 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