研经济计量学第16章第3版.pptVIP

第16章 单方程回归模型的几个专题 16.2 伪回归与协整 当两个变量（或多个变量）均为非平稳时间序列（例如两个变量的数据是由随机游走产生）时，这两个变量间进行的回归将可能导致伪回归(Spurious Regerssion)。 在实证研究中，大多数的宏观经济变量，如收入、消费、货币需求、价格水平、交易流量、汇率等都是非平稳的（带有趋势的）。所以，识别模型是否是伪回归以及出现伪回归后如何处理就变得很重要了。 伪回归产生的原因 当响应序列和输入序列不平稳时，检验参数显著性的t统计量将不再服从t分布，t统计量样本分布的方差也远远大于t分布的方差，如果此时仍采用t分布的临界值进行检验，就很可能导致错误的结论。 因为传统的显著性检验所确定的变量间的关系，在这种情形下有可能在事实上是不存在的，由此所得到的回归方程也是虚假的。 伪回归的检验与补救方法 检验方法（1）：检验各序列的平稳性，如果非平稳，警惕伪回归。 检验方法（2）：如果在时间序列的回归中dw值低而R2很高，则应怀疑有伪回归的可能。一个有用的准则是R2dw。 两个更一般的模型 对于实际经济问题，模型(16.2.1)能够分析的很有限，因此，考虑两个更一般的模型： 单位根检验方法 原理： 原假设：模型中有单位根， 备择假设：模型中无单位根（但它是拒绝域在左侧的单侧检验）。 计算出相应统计量的值及其临界值，如果大于临界值，接受有单位根的零假设，序列非平稳，可以对序列进行差分处理。如果小于临界值，拒绝有单位根的零假设，序列是平稳的。 伪回归的检验与补救方法 补救方法（1）：对变量进行差分使其变换为平稳系列，再进行回归。 缺点：可能导致所研究变量间长期关系信息的损失。 补救方法（2）：利用协整性。 如果两变量之间是协整的，它们之间就可能存在着一个长期稳定的关系。如果不是协整的，它们之间就不会存在长期稳定的关系。 例如当实际消费支出和实际可支配收入都是非平稳系列，如果它们不存在协整关系，消费函数就是不合理的，可能出现伪回归结果，因而没有合理的经济解释。 反之，若实际消费支出和实际可支配收入之间存在协整，则说明它们之间存在着一个长期稳定的比例关系，这个比例关系就是消费倾向，此时模型是可用的，是有经济意义的。 协整 如果两时间序列都是非平稳的，但其线性组合是平稳的，我们说，这两个时间序列是协整的。 两时间序列之间的协整是表示它们之间存在长期均衡关系的另一种方式。若Yt和Xt是协整的，并且均衡误差是零均值平稳的，则它们之间的回归方程就不会产生伪回归结果。 所以，要想避免伪回归问题，就应该在进行回归之前检验一下所涉及的变量是否协整。 协整的检验 Engle－Granger法（EG或AEG） 步骤1：检验两变量单整的阶。如果两变量单整的阶不同，则两变量不是协整的；如果两变量是平稳的（0阶单整），检验可停止，直接做普通回归即可；如果两变量单整的阶相同，进入下一步检验。 步骤2：若两变量是同阶单整的，如I(1)，则用OLS法估计长期均衡方程（也称为协整回归）： 并保存残差作为均衡误差的估计值。 步骤3：检验均衡误差的零均值及平稳性。 有关说明 E－G两步法是目前较常用的检验双变量协整关系的一种检验方法。一般使用者都是利用Eviews软件逐步对其进行检验，如上面例子。最近，有人对这种做法表示质疑，见：中国存在稳定的消费函数吗？——兼谈对 E-G两步法的误用，李鲲鹏（华中师范大学经济学院）, 数量经济技术经济研究，2006 年第11期。 误差修正模型 误差修正模型（error correction model），简称为ECM，常常作为协整回归模型的补充模型出现。由协整模型度量序列之间的长期均衡关系，而ECM模型则解释序列的短期波动关系。 格兰杰协整定理： 如果非平稳变量之间存在协整关系，那么必然可以建立误差修正模型；而如果非平稳变量可以建立误差修正模型，那么该变量之间必然存在着协整关系。 简单案例分析 简单案例分析：中国财政收入与 GDP 之间关系的协整分析与误差修正模型研究，韦邦荣（安徽大学经济学院）,杨玉生（辽宁大学经济学院），统计与信息论坛，2006年1月，第21卷第1期。 格兰杰（Granger）因果关系检验 格兰杰因果关系的经济计量检验： Granger因果关系检验的Eviews操作： 1. 选择相应的“Group”，在Group输出结果中利用View——Granger Causality即可得到。 2. 或利用已经得到的VAR模型，在输出结果中点击View——Lag Structure——Granger Causa