第05章时间序列模型自相关性和协整检验.ppt

* 例5.7 检验居民消费价格指数序列的平稳性 图5.9 中国1983年1月～2007年8月的CPI（上年=100）序列 * 例5.7用AR(1) 模型模拟1983年1月～2007年8月居民消费价格指数一阶差分?CPI的变化规律。在用ADF进行单位根检验前，需要设定序列的是否含有常数项或者时间趋势项。我们可以通过画出原序列的图形来判断是否要加入常数项或者时间趋势项。从图5.7的CPI图形可以看出不含有线性趋势项。CPI序列的ADF检验结果(选择既无常数项也无趋势项)如下： * 1983年1月～2007年8月的CPI序列单位根ADF检验结果。可以看出不能拒绝原假设，存在单位根。 * 1983年1月～2007年8月的CPI序列单位根DF-GLS检验结果。采用含有常数和趋势项的形式。不能拒绝原假设， CPI序列存在单位根。 * 检验结果显示，CPI序列接受原假设，因此，CPI序列是一个非平稳的序列。接着再对一阶差分?CPI序列进行单位根检验，ADF检验结果如下： 检验结果显示，一阶差分?CPI序列拒绝原假设，接受?CPI序列是平稳序列的结论。因此，CPI序列是1阶单整序列，即CPI～I(1)。 * 例5.9 检验中国GDP序列的平稳性 在图5.9中，我们可以观察到1978年～2006年我国GDP（现价，生产法）具有明显的上升趋势。在ADF检验时选择含有常数项和时间趋势项，由SIC准则确定滞后阶数（p=4）。GDP序列的ADF检验如下 ： 检验结果显示，GDP序列以较大的P值，即100%的概率接受原假设，即存在单位根的结论。 * 将GDP序列做1阶差分，然后对ΔGDP进行ADF检验（选择含有常数项和时间趋势项，由SIC准则确定滞后阶数（p=6））如下 ： 检验结果显示，ΔGDP序列仍接受存在单位根的结论。其他检验方法的结果也接受原假设，ΔGDP序列存在单位根，是非平稳的。 * 再对ΔGDP序列做差分，则Δ2GDP的ADF检验（选择不含常数项和趋势项, 由SIC准则确定滞后阶数（p=6））如下： 检验结果显示，二阶差分序列Δ2GDP在1%的显著性水平下拒绝原假设，接受不存在单位根的结论，因此可以确定GDP序列是2阶单整序列，即GDP ～I (2)。 * §5.4 协整和误差修正模型 在前面介绍的ARMA模型中要求经济时间序列是平稳的，但是由于实际应用中大多数时间序列是非平稳的，通常采用差分方法消除序列中含有的非平稳趋势，使得序列平稳化后建立模型，这就是上节介绍的ARIMA模型。但是变换后的序列限制了所讨论经济问题的范围，并且有时变换后的序列由于不具有直接的经济意义，使得化为平稳序列后所建立的时间序列模型不便于解释。 * 1987年Engle和Granger提出的协整理论及其方法，为非平稳序列的建模提供了另一种途径。虽然一些经济变量的本身是非平稳序列，但是，它们的线性组合却有可能是平稳序列。这种平稳的线性组合被称为协整方程，且可解释为变量之间的长期稳定的均衡关系。 例如，消费和收入都是非平稳时间序列，但是具有协整关系。假如它们不具有，那么长期消费就可能比收入高或低，于是消费者便会非理性地消费或累积储蓄。 * 5.4.1 协整关系 假定一些经济指标被某经济系统联系在一起，那么从长远看来这些变量应该具有均衡关系，这是建立和检验模型的基本出发点。在短期内，因为季节影响或随机干扰，这些变量有可能偏离均值。如果这种偏离是暂时的，那么随着时间推移将会回到均衡状态；如果这种偏离是持久的，就不能说这些变量之间存在均衡关系。协整(co-integration)可被看作这种均衡关系性质的统计表示。 协整概念是一个强有力的概念。因为协整允许我们刻画两个或多个序列之间的平衡或平稳关系。对于每一个序列单独来说可能是非平稳的，这些序列的矩，如均值、方差或协方差随时间而变化，而这些时间序列的线性组合序列却可能有不随时间变化的性质。 * 下面给出协整的定义： k 维向量 Y = (y1，y2，…，yk)? 的分量间被称为d,b阶协整，记为Y ～ CI (d，b)，如果满足： (1) y1，y2，…，yk都是 d 阶单整的，