协整与误差修正模型.pdf

协整与误差修正模型 一、长期均衡关系与协整 二、协整检验 三、误差修正模型 一、长期均衡关系与协整 0、问题的提出 • 经典回归模型 （classical regression model ）是建立在稳定 数据变量基础上的，对于非稳定变量，不能使用经典回归 模型，否则会出现虚假回归等诸多问题。 • 由于许多经济变量是非稳定的，这就给经典的回归分析方 法带来了很大限制。 • 但是，如果变量之间有着长期的稳定关系，即它们之间是 协整的（cointegration) ，则是可以使用经典回归模型方法 建立回归模型的。 • 例如，中国居民人均消费水平与人均GDP变量的例子中： 因果关系回归模型要比ARMA模型有更好的预测功能， 其原因在于，从经济理论上说，人均GDP决定着居民人均 消费水平，而且它们之间有着长期的稳定关系，即它们之 间是协整的（cointegration ）。 1、长期均衡 经济理论指出，某些经济变量间确实存在着长期 均衡关系，这种均衡关系意味着经济系统不存在破坏 均衡的内在机制，如果变量在某时期受到干扰后偏离 其长期均衡点，则均衡机制将会在下一期进行调整以 使其重新回到均衡状态。 假设X与Y 间的长期“均衡关系” 由式描述 Y  X  t 0 1 t t 式中:t是随机扰动项。 该均衡关系意味着:给定X 的一个值，Y相应的 均衡值也随之确定为 +X 。 0 1 在t-1期末，存在下述三种情形之一： （1）Y等于它的均衡值：Y =  +X ； t-1 0 1 t （2 ）Y小于它的均衡值：Y  +X ； t-1 0 1 t （3 ）Y大于它的均衡值：Y  +X ； t-1 0 1 t 在时期t ，假设X有一个变化量X ，如果变量X与Y在 t 时期t与t-1末期仍满足它们间的长期均衡关系，则Y 的相应 变化量由式给出: Y X v t 1 t t 式中，v - 。 t t t-1 实际情况往往并非如此 如果t-1期末，发生了上述第二种情况，即Y 的值小于其 均衡值，则Y 的变化往往会比第一种情形下Y 的变化Yt 大一些； 反之，如果Y 的值大于其均衡值，则Y 的变化往往会小 于第一种情形下的Yt 。 可见，如果Y  +X + 正确地提示了X与Y 间的长 t 0 1 t t 期稳定的“均衡关系”，则意味着Y对其均衡点的偏离从本 质上说是“临时性”的。 因此，一个重要的假设就是:随机扰动项 必须是平 t 稳序列。 显然，如果 有随机性趋势（上升或下降），则会导 t 致Y对其均衡点的任何偏离都会被长期累积下来而不能被 消除。 式Y  +X + 中的随机扰动项也被称为非均衡误差 t 0 1 t