孙敬水9时间序列分析.ppt

如果将式(9.3.12)中的参数与式(9.3.8)中的相应参数视为相等，则式(9.3.12)中括号内的项就是t-1期的非均衡误差项。于是式(9.3.12)表明y的变化决定于x的变化以及前一时期的非均衡程度。同时，式(9.3.12)也弥补了简单差分(9.3.9)式的不足，因为该式含有x,y水平值表示的前期非均衡程度。因此，y的值已对前期的非均衡程度做出了修正。式(9.3.12)称为一阶误差修正模型(first-order error correction model)。 模型(9.3.8)可以写成： 需要注意的是，在实际分析中，变量常以对数的形式出现。其主要原因在于变量对数的差分近似地等于该变量的变化率，而经济变量的变化率常常是稳定序列，因此适合于包含在经典回归方程中。于是长期均衡模型(9.3.8)中的可视为y关于x的长期弹性(long-run elasticity)，而短期非均衡模型(9.3.13)中的可视为y关于x的短期弹性(short-run elasticity)。 更复杂的误差修正模型可依照一阶误差修正模型类似地建立。如具有季度数据的变量，可在短期非均衡模型(9.3.11)中引入更多的滞后项。引入二阶滞后项的模型为 2．误差修正模型的建立 (1)Granger表述定理 如果变量x与y是协整的，则它们间的短期非均衡关系总能由一个误差修正模型表述。即 也是I(0)。因此，建立误差修正模型，需要首先对变量进行协整分析，以发现变量之间的协整关系，即长期均衡关系，并以这种关系构成误差修正项。然后建立短期模型，将误差修正项看做一个解释变量，连同其他反映短期波动的解释变量一起，建立短期模型，即误差修正模型。 Granger表述定理可类似地推广到多个变量的情形中去。 (2)Engle—Granger两步法 建立误差修正模型一般采用E-G两步法，分别建立区分数据长期特征和短期特征的计量经济模型。 第一步，建立长期关系模型。即通过水平变量和OLS法估计出时间序列变量间的关系（估计协整向量长期均衡关系参数）。若估计结果形成平稳的残差序列时，那么这些变量间就存在相互协整的关系，长期关系模型的变量选择是合理的，回归系数具有经济意义。 第二步，建立短期动态关系，即误差修正方程。也就是说，若协整关系存在，则以第一步求到的残差作为非均衡误差项加入到误差修正模型中，并用OLS法估计相应参数。即将长期关系模型中各变量以一阶差分形式重新加以构造，并将长期关系模型所产生的残差序列作为解释变量引入，在一个从一般到特殊的检验过程中，对短期动态关系进行逐项检验，不显著的项逐渐被剔除，直到最适当的表示方法被找到为止。 需要注意的是，在进行变量间的协整检验时，如有必要可在协整回归式中加入趋势项，这时，对残差项的稳定性检验就无须再设趋势项。另外，第二步中变量差分滞后项的多少，可以残差项序列是否存在自相关性来判断。如果存在自相关，则应加入变量差分的滞后项。 平稳序列。其次，对短期动态关系中各变量的滞后项，进行从一般到特殊的检验，在这个检验过程中，不显著的滞后项逐渐被剔除，直到找出了最佳形式为止。通常滞后期在 L=0，1，2，3中进行试验。 例9.3.3 建立中国城镇居民人均消费（数据见表9.3.3）误差修正模型。 例9.3.3中验证了中国城镇居民人均消费性支出与人均可支配收入对数形式的时间序列lnPC、lnPI为1阶单整序列，且呈（1，1）阶协整关系，即两变量间存在长期稳定的均衡关系。下面尝试建立它们的误差修正模型。 由例9.3.3可知，lnPC、lnPI的长期稳定的均衡关系为： 其残差序列是平稳序列，以它为误差修正项，可建立如下的误差修正模型： 表9.3.7 ECM模型回归结果 中变量的符号与长期均衡关系的符号一致，误差修正系数为负，符合反向修正机制。回归结果表明，城镇居民人均可支配收入的短期变动对人均消费支出存在正向影响，本期可支配收入每增加1%，本期人均消费将增加0.884%；上期可支配收入每增加1%，本期人均消费将增加0.241%；上一期消费支出的短期变动对本期消费支出存在负向影响，上一期消费支出每增加1%，本期人均消费将减少0.166%；此外，由于短期调整系数是显著的，因而它表明每年实际发生的消费支出与长期均衡值的偏差中的66.1%(0.661)被修正。上述模型反映了PC受PI影响的短期波动规律。误差修正模型的拟合效果见图9.3.3 。 图9.3.3 误差修正模型的拟合效果 9.4 Granger因果关系检验 9.4.1 因果关系分类 所谓因果关系是指变量之间的依赖性，作为结果的变量是由作为原因的变量所决定