计量经济学第三版-潘省初-第7章 时间序列分析.ppt

用表7.2中的私人消费（Ct）时间序列数据，估计与（7.16）和（7.17）相对应的方程，分别得到如下估计结果： (1) △ =12330.48-0.01091 Ct-1 R2=0.052 (t:) (5.138) (-1.339) DW=1.765 (2) △ =15630.83+346.4522t-0.04536Ct-1 R2=0.057 (t:) (1.966) (0.436) (-0.5717) DW=1.716 两种情况下，tδ值分别为 -1.339和 -0.571，二者分别大于表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，两种情况下都不能拒绝原假设，即私人消费时间序列有一个单位根，或换句话说，它是非平稳序列。 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）。 ADF检验 ADF检验的全称是扩展的迪奇－福勒检验（Augmented Dickey-Fuller test）,它是 DF检验的扩展，适用于扰动项 服从平稳的AR(P)过程的情形。ADF与DF检验的区别是在（7.13）式中增加若干个 的滞后项 作为解释变量，即要回归的方程变为 要检验的当然还是 的系数 是否为0，检验的临界值和拒绝法则与DF检验相同。 在方程（7.18）中应当包括多少个滞后变动项，并无硬性的标准。一般做法是包括尽可能多的 的滞后项，当然也不能太多，因为会影响自由度。实践中可根据数据的频率和样本的规模来选择p。对于年度数据，一、两个滞后即可，月度数据，可考虑取p＝12。 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： 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。 格兰杰（Granger）和钮博尔德（Newbold）在1974年发表的论文“Spurious Regression in Econometrics”中对此进行了深入研究。 文中指出，如果 和 是相互独立的随机漫步时间序列，那么由于 和 相互独立，在 的回归中 的估计值应当接近于0，相应的t统计值应当不显著。但事实上Granger 和Newbold 发现，在100次回归试验中（样本大小为50）， 的有23次 的有24次 的有53次 本应不显著的t统计值在大多数回归中却是显著的！Granger 和Newbold把这种现象称为伪回归（Spurious Regression），因为这类回归发现两个时间序列显著相关而实际它们根本不相关。