2019年现代时间序列分析模型讲义.ppt

检验残差项是否平稳的DF与ADF检验临界值要比通常的DF与ADF检验临界值小，而且该临界值还受到所检验的变量个数的影响。 MacKinnon(1991)通过模拟试验得到的不同变量协整检验的临界值。 三、协整检验—JJ检验 ⒈ JJ检验的原理 Johansen于1988年，以及与Juselius一起于1990年提出了一种用向量自回归模型进行检验的方法，通常称为Johansen检验，或JJ检验，是一种进行多重I(1)序列协整检验的较好方法。 没有移动平均项的向量自回归模型表示为： 差分 Yt为M个I(1)过程构成的向量 I(0)过程 I(0)过程 只有产生协整，才能保证新生误差是平稳过程 将y的协整问题转变为讨论矩阵Π的性质问题 于是，将yt中的协整检验变成对矩阵Π的分析问题。这就是JJ检验的基本原理。 两种检验方法： 特征值轨迹检验 最大特征值检验☆ ⒉ JJ检验的预备工作 第一步：用OLS分别估计下式中的每一个方程，计算残差，得到残差矩阵S0，为一个(M×T)阶矩阵。 第一步：用OLS分别估计下式中的每一个方程，计算残差，得到残差矩阵S1，也为一个(M×T)阶矩阵。 第三步：构造上述残差矩阵的积矩阵： 第四步：计算有序特征值和特征向量。 第五步：设定似然函数。 ⒊ JJ检验之一—特征值轨迹检验 服从Johansen分布。被称为特征值轨迹统计量。 …，一直检验下去，直到出现第一个不显著的η(M－r)为止，说明存在r个协整向量。这r个协整向量就是对应于最大的r个特征值的经过正规化的特征向量。 ⒋ JJ检验之一—最大特征值检验 该统计量被称为最大特征值统计量。于是该检验被称为最大特征值检验。 由 Johansen和Juselius于1990年计算得到 Johansen分布临界值表。 ⒌JJ检验实例 GDP、CONSR、CONSP、INV取对数后为I(1)序列。即lnGDP、lnCONSR、lnCONSP、lnINV。 对它们之间的协整关系进行检验。 ADF检验在Eviews中的实现—GDPP ADF检验在Eviews中的实现—GDPP 从GDPP(-1)的参数值看，其t统计量的值大于临界值（单尾），不能拒绝存在单位根的零假设。同时，由于常数项的t统计量也小于ADF分布表中的临界值（双尾），因此不能拒绝不存在趋势项的零假设。需进一步检验模型1。 ADF检验在Eviews中的实现—GDPP ADF检验在Eviews中的实现—GDPP 从GDPP(-1)的参数值看，其t统计量的值大于临界值（单尾），不能拒绝存在单位根的零假设。至此，可断定GDPP时间序列是非平稳的。 ADF检验在Eviews中的实现—△GDPP ADF检验在Eviews中的实现—△GDPP 从△GDPP(-1)的参数值看，其t统计量的值大于临界值（单尾），不能拒绝存在单位根的零假设。同时，由于时间项项T的t统计量也小于AFD分布表中的临界值（双尾），因此不能拒绝不存在趋势项的零假设。需进一步检验模型2 。在1%置信度下。 ADF检验在Eviews中的实现—△GDPP 如果将置信度从1%降低至10%，将拒绝存在单位根和不存在时间趋势项的假设，得到△GDPP是平稳序列的结论，进而得到GDPP是I(1)序列。 ADF检验在Eviews中的实现—△GDPP 从△GDPP(-1)的参数值看，其统计量的值大于临界值（单尾），不能拒绝存在单位根的零假设。同时，由于常数项的t统计量也小于AFD分布表中的临界值（双尾），因此不能拒绝不存在趋势项的零假设。需进一步检验模型1。 ADF检验在Eviews中的实现—△GDPP 从△GDPP(-1)的参数值看，其统计量的值大于临界值（单尾），不能拒绝存在单位根的零假设。至此，可断定△GDPP时间序列是非平稳的。 ADF检验在Eviews中的实现—△2GDPP ADF检验在Eviews中的实现—△2GDPP ADF检验在Eviews中的实现—△2GDPP ADF检验在Eviews中的实现—△2GDPP 从△2GDPP(-1)的参数值看，其统计量的值小于临界值（单尾），拒绝存在单位根的零假设。至此，可断定△2GDPP时间序列是平稳的。 GDPP是I(2)过程。 §2 协整与误差修正模型 一、长期均衡与协整分析 二、协整检验—EG检验 三、协整检验—JJ检验 四、误差修正模型 一、长期均衡与协整分析Equilibrium and Cointegration 1、问题的提出 经典回归模型（classical