八单元时间序列分析1节.pptVIP

* ΔYt = 滞后的（ΔYt，ΔXt）+λut-1 + vt （4） －1＜λ＜0 其中 Yt～I(1），Xt～I(1） Yt ，Xt～CI (1，1） ut= Yt－β0－β1Xt～I（0） vt=白噪声，λ为短期调整系数。 （4）式是ECM模型的一般形式，实践中可根据情况建立具体的ECM模型。最简单的是一阶ECM模型，形式如下： * 不难看出，在（4）中，所有变量都是平稳的，因为 Yt～I (1), Xt～I (1)?ΔYt～I (0), ΔXt～I (0) Yt, Xt～CI (1, 1) ?ut～I (0)) 该式是否可用OLS法估计？ 事实上不行，因为均衡误差εt不是可观测变量。因而在估计该式之前，要先得到这一误差的值。 * 一阶ECM模型结构分析： 假设两变量X与Y的长期均衡关系为: Yt=?0+?1Xt+?t 由于现实经济中X与Y很少处在均衡点上，因此实际观测到的只是X与Y间的短期的或非均衡的关系，假设具有如下(1,1)阶分布滞后形式 该模型显示出第t期的Y值，不仅与X的变化有关，而且与t-1期X与Y的状态值有关。 * 由于变量可能是非平稳的，因此不能直接运用OLS法。对上述分布滞后模型适当变形得： 或 式中， （**） 如果将（**）中的参数，与Yt=?0+?1Xt+?t中的相应参数视为相等，则（**）式中括号内的项就是t-1期的非均衡误差项。 （**）式表明：Y的变化决定于X的变化以及前一时期的非均衡程度。因为该式含有用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作出了修正。 * 称为一阶误差修正模型(first-order error correction model)。 （**）式可以写成： （**） 知，一般情况下|?|1 ，由关系式?=1-?得0?1。可以据此分析ecm的修正作用： （***） 其中:ecm表示误差修正项。 由分布滞后模型 (1)若(t-1)时刻Y大于其长期均衡解?0+?1X，ecm为正，则(-?ecm)为负，使得?Yt减少； (2)若(t-1)时刻Y小于其长期均衡解?0+?1X ，ecm为负，则(-?ecm)为正，使得?Yt增大。 （***）体现了对长期非均衡误差的控制。 * Engle 和 Granger建议采用下述两步方法估计方程(4): 第一步：估计协整回归方程（即建立长期关系模型） Yt=β0+β1Xt+ut 得到协整向量的一致估计值（1，－ ，－ ），用它得出均衡误差εt的估计值 et= Yt－ － Xt 第二步：建立短期动态关系，即误差修正模型 ΔYt = 滞后的（ΔYt, ΔXt）+λet-1+vt （5） 误差修正模型的估计：两步法 * 例2 估计某国私人消费和个人可支配收入之间的误差修正模型。 第一步 ：协整回归的结果： = 11907.23 + 0.779585Yt (6) (t:) (3.123) (75.566) R2=0.994 DW=1.021 得到残差et。 * 第二步：估计误差修正模型，结果如下： = 5951.557+0.28432ΔYt－ 0.19996et-1 (7) (t:) (7.822) (6.538) (－2.486) R2=0.572 DW=1.941 （7）中的结果表明个人可支配收入Yt的短期变动对私人消费存在正向影响。此外，由于短期调整系数是显著的，表明每年实际发生的私人消费与其长期均衡值的偏差中的20%（0.19996）被修正。 * 案例： 对1992年1月至1998年12月经居民消费价格指数调整的我国城镇居民的生活费支出（ZC）与可支配收入（SR）时间序列进行单位根检验、协整检验，并估计城镇居民的生活费支出与可支配收入之间的误差修正模型。 * 结论：SR序列是一阶单整的，SR～I（1） * * 结论：ZC序列是一阶单整的，ZC～I（1） * 以生活费支出（ZC）为被解释变量，可支配收入（SR）为解释变量，用OLS回归方法估计回归模型，结果见下图. * 将上述OLS回归得到的残差序列命名为新序列e，对e序列进行单位根检验。 结论：残差序列不存在单位根，是平稳序列，说明可支配收入（SR）和生活费支