协整与误差修正模型教案.docVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
协整与误差修正模型教案

第六讲 协整与误差修正模型 一、非平稳过程与单位根检验 二、长期均衡关系与协整 三、误差修正模型 一、非平稳过程与单位根检验 1、非平稳过程 1)随机游走过程(random walk)。 yt = yt-1 + ut, ut ( IID(0, (2) 差分平稳过程(difference- stationary process) 。 2)有漂移项的非平稳过程(non-stationary process with drift)或随机趋势非平稳过程(stochastic trend process)。 yt = ( + yt-1 + ut , ut ( IID(0, (2) 迭代变换:yt = ( + (( + yt-2 + ut-1) + ut = … = y0 + ( t += ( t + 差分平稳过程 3)趋势平稳过程(trend-stationary process)或退势平稳过程。 yt = ( + ( t + ut, ut ( IID(0, (2) 趋势平稳过程的差分过程是过度差分过程:(yt = ( + ut - ut-1 。 所以应该用退势的方法获得平稳过程。 yt - ( t = ( + ut。 4)确定性趋势非平稳过程(non-stationary process with deterministic trend) yt = ( + ( t + yt-1+ ut, ut ( IID(0, (2) 确定性趋势非平稳过程的差分过程是退势平稳过程,(yt = ( + ( t + ut。确定性趋势非平稳过程的退势过程是非平稳过程,yt - ( t = ( + yt-1+ ut。只有既差分又退势才能得到平稳过程,(yt - ( t = ( + ut。 5)单位根过程 前述的差分平稳过程可改写为: (1-L)yt= ( + ut 滞后算子多项式1-L=0的根L=1称为 “单位根”。含有单位根的随机过程称为单位根过程。 如果一个序列在成为平稳序列之前必须经过d次差分,则该序列被称为d阶单整,记为I(d)。 2.单位根检验 1)DF(ADF)检验法(Dickey-Fuller,1979) 观察如下模型: yt = ( yt-1 + ut , ut ( IID(0, (2) (1.a) yt = ( + ( yt-1 + ut , ut ( IID(0, (2) (2.a) yt = ( +(t + ( yt-1 + ut , ut ( IID(0, (2) (3a) 若/(/1,则yt平稳;若/(/=1,则yt一阶单整;若/(/〉1,则yt发散。 假设H0:( =1,yt非平稳;H1:( 1。yt平稳 检验统计量DF = 当DF〉临界值时,不拒绝原假设,yt非平稳。 前述三个方程可改写为: ( yt = ( yt-1 + ut , ut ( IID(0, (2) (1.b) ( yt = ( +( yt-1 + ut , ut ( IID(0, (2) (2.b) ( yt = ( +(t +( yt-1 + ut , ut ( IID(0, ( (3.b) 其中( = ( -1。 于是H0:( = 0,yt非平稳;H1:( 0。yt平稳 检验统计量DF ==。 其中和分别表示( 和( 的OLS估计量。 注意: 检验顺序(3.b)、(2.b)、 (1.b) 2)ADF检验(增项或扩展的DF) 如果被检验的真实过程是一个AR(p) 过程,而检验式是AR(1)形式,那么由于对yt形式的设定错误,检验式对应的误差项必然表现为自相关。 当误差项具有相关性时,回归参数的检验统计量不再服从DF分布。 假定yt是AR(p) 过程:yt = (1 yt-1 + (2 yt-2 + … + ( p yt-p + u t 检验式应写为:yt = ( yt-1 + + ut (yt = ( yt-1 + + ut 其中( = ( -1 = ()-1,(j* = -, j = 1, 2, …, p – 1。 如果( = 0成立,则yt含有单位根。称此检验为ADF检验。 在ADF检验式中也可以加入漂移项( 和时间趋势项t。 对于式:(yt = ( yt-1 ++( + ut

文档评论(0)

rovend + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档