是我看过的最容易懂的协整检验的归纳.ppt

§9.3 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）。 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 在t-1期末，存在下述三种情形之一： 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Yt=?0+?1Xt+?t正确地提示了X与Y间的长期稳定的“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?t必须是平稳序列。 显然，如果?t有随机性趋势（上升或下降），则会导致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Yt=?0+?1Xt+?t中的随机扰动项也被称为非均衡误差（disequilibrium error），它是变量X与Y的一个线性组合： 如果序列{X1t,X2t,…,Xkt}都是d阶单整，存在向量 ?=(?1,?2,…,?k)，使得 Zt= ?XT ~ I(d-b) 其中，b0，X=(X1t,X2t,…,Xkt)T，则认为序列{X1t,X2t,…,Xkt}是(d,b)阶协整，记为Xt~CI(d,b)，?为协整向量（cointegrated vector）。 三个以上的变量，如果具有不同的单整阶数，有可能经过线性组合构成低阶单整变量。 （d,d）阶协整是一类非常重要的协整关系，它的经济意义在于：两个变量，虽然它们具有各自的长期波动规律，但是如果它们是（d,d）阶协整的，则它们之间存在着一个长期稳定的比例关系。 例如：前面提到的中国CPC和GDPPC，它们各自都是2阶单整，并且将会看到，它们是(2,2)阶协整，说明它们之间存在着一个长期稳定的比例关系，从计量经济学模型的意义上讲，建立如下居民人均消费函数模型 二、协整检验 1、两变量的Engle-Granger检验 的单整性的检验方法仍然是DF检验或者ADF检验。 由于协整回归中已含有截距项，则检验模型中无需再用截距项。如使用模型1 MacKinnon(1991)通过模拟试验给出了协整检验的临界值，表9.3.1是双变量情形下不同样本容量的临界值。 例9.3.1 检验中国居民人均消费水平CPC与人均国内生产总值GDPPC的协整关系。 2、多变量协整关系的检验—扩展的E-G检验 然而，如果Z与W，X与Y间分别存在长期均衡关系： 对于多变量的协整检验过程，基本与双变量情形相同，即需检验变量是否具有同阶单整性，以及是否存在稳定的线性组合。 在检验是否存在稳定的线性组合时，需通过设置一个变量为被解释变量，其他变量为解释变量，进行OLS估计并检验残差序列是否平稳。 如果不平稳，则需更换被解释变量，进行同样的OLS估计及相应的残差项检验。 当所有的变量都被作为被解释变量检验之后，仍不能得到平稳的残差项序列，则认为这些变量间不存在（d,d）阶协整。 同样地，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。 2、多变量协整关系的检验—JJ检验 Johansen于1988年，以及与Juselius于1990年提出了一种用极大或然法进行检验的方法，通常称为JJ检验。 《高等计量经济学》（清华大学出版社，2000年9月）P279-282. E-view