协整验理论.pptVIP

* 第5章5.4节介绍的协整检验和误差修正模型主要是针对单方程而言，本节将推广到VAR模型。而且前面所介绍的协整检验是基于回归的残差序列进行检验，本节介绍的Johansen协整检验基于回归系数的协整检验，有时也称为JJ(Johansen-Juselius)检验。 虽然ADF检验比较容易实现，但其检验方式存在一定欠缺性——在第一阶段需要设计线性模型进行OLS估计，应用不方便。Johansen在1988年及在1990年与Juselius一起提出的一种以VAR模型为基础的检验回归系数的方法，是一种进行多变量协整检验的较好的方法。 9.6 Johansen协整检验 * 下面讨论 k 个经济指标 y1，y2，…，yk 之间是否具有协整关系。协整的定义如下： 设 k 维向量时间序列 yt = (y1t , y2t , …, ykt)?(t = 1, 2, …, T ) 的分量序列间被称为d，b阶协整，记为 yt ～ CI (d，b)，如果满足： (1) yt ～ I (d)，要求 yt 的每个分量都是 d 阶单整的 ； (2) 存在非零向量 ? ，使得? ?yt ～ I (d-b)，0 b ≤ d 。 简称 yt 是协整的，向量 ? 又称为协整向量。  * 对于 k 维向量时间序列 yt 最多可能存在 k-1个线性无关的协整向量，为讨论方便，先考虑最简单的二维情形，不妨记 yt = (y1t, y2t)?，(t=1, 2, …, T ) ，其中 y1，y2 都是I(1) 时间序列。若存在 c1，使得 y1-c1y2 ～ I(0)；另有c2，也使得 y1-c2 y2 ～ I (0)，则 t=1, 2, …, T 由于 y2 ～ I (1)，所以只能有 c1 = c2 ，可见 y1，y2 协整时，协整向量 ? = (1，? c1 )? 是惟一的。一般地，设由 yt 的协整向量组成的矩阵为 B，则矩阵 B 的秩为 r = r(B)，那么 0 ? r ? k?1。 * 其中 (9.6.2) 其中yt的各分量都是非平稳的I(1)变量；xt 是一个确定的 d 维的外生向量，代表趋势项、常数项等确定性项；?t 是 k 维扰动向量。在式(9.6.1)两端减去 yt-1，通过添项和减项的方法，可得下面的式子 ， (9.6.3) 下面将上述讨论扩展到多指标的情形，介绍JJ检验的基本思想。首先建立一个VAR(p)模型 t =1，2，…，T (9.6.1) * 由于I(1)过程经过差分变换将变成I(0)过程，即式(9.6.2)中的Δyt , Δyt–j (j =1, 2 ,…, p) 都是I(0)变量构成的向量，那么只要 ? yt-1 是I(0)的向量，即 yt-1的各分量之间具有协整关系，就能保证Δyt是平稳过程。yt-1的各分量之间是否具有协整关系主要依赖于矩阵 ? 的秩。设 ? 的秩为 r，则存在 3 种情况: r = k，r = 0，0 r k： ① 如果 r = k，显然只有当 yt-1 的各分量都是I(0)变量时，才能保证 ? yt-1 是 I(0) 变量构成的向量。而这与已知的 yt 为 I(1) 过程相矛盾，所以必然有 r k。 * ② 如果 r = 0，意味着 ? = 0，因此式(9.6.2)仅仅是个差分方程，各项都是I(0) 变量，不需要讨论 yt-1各分量之间是否具有协整关系。 ③ 下面讨论 0 r k 的情形： 0 r k 表示存在 r 个协整组合，其余 k ? r 个关系仍为 I(1)关系。在这种情况下，? 可以分解成两个( k ? r )阶矩阵 ? 和 ? 的乘积： (9.6.4) 其中rk (? )= r，rk ( ? )= r。 * ② 如果 r = 0，意味着 ? = 0，因此式(9.6.2)仅仅是个差分方程，各项都是I(0) 变量，不需要讨论 yt-1各分量之间是否具有协整关系。 ③ 下面讨论 0 r k 的情形： 0 r k 表示存在 r 个协整组合，其余 k ? r 个关系仍为 I(1)关系。在这种情况下，? 可以分解成两个( k ? r )阶矩阵 ? 和 ? 的乘积： (9.6.4) 其中rk (? )= r，rk ( ? )= r。 * ② 如果 r