第1章回归与时间序列初步.pptVIP

?Yt = ? + ? t + ? Yt-1 + ut = ?? (?2+?2t)+ ? (? Yt-1+?1+?1t) + ut 即:?1?0,?2?0,?1?0,?2=0 协整空间中有常数项、有线性趋势项。数据空间中有线性趋势、无二次趋势项。 yt=?+yt-1+ut ?Yt = ? + ? t + ? Yt-1 + ut = ?? (?2+?2t)+ ? (? Yt-1+?1+?1t) + ut 即:?1?0,?2?0,?1?0,?2?0 协整空间中有常数项、有线性趋势项。数据空间中有线性趋势、有二次趋势项。 yt=?+? t+yt-1+ut 1.5 误差修正模型 Engle 与 Granger(1987) 提出了著名的Granger表述定理（Granger representaion theorem）： 如果变量X与Y是协整的，则它们间的短期非均衡关系总能由一个误差修正模型表述。 其中，?t-1是非均衡误差项或者说成是长期均衡偏差项， ?是短期调节系数（阵）。 1.6 Granger因果关系检验 1.Granger因果关系检验的含义 Granger因果关系:对于2元向量自回归（滞后为k）联立模型： (1)若滞后x所估计的系数作为一个群体在统计上是异于0的，即∑bi≠0，且滞后y所估计的系数的集合不是在统计上是异于0的，即∑di = 0, 则有从xt到 yt 的Granger因。 (2) 若∑bi = 0，且∑di ≠ 0, 则有从yt 到 xt的Granger因。 (3) 若∑bi ≠ 0，且∑di ≠ 0, 则yt和xt有双向Granger因。 (4) 若∑bi = 0，且∑di = 0, 则yt和xt之间独立，无因果关系！ 2.运用Granger因果关系检验的常见误区 （1）对不平稳的变量作Granger因果关系检验 （2）将Granger因果关系理解成因果逻辑关系 Zhaojianyi: 很多师生误把格兰杰因果检验误认为是可以对经济变量有无因果关系做检验，洪老师能给我们解释一下格兰杰因果检验的用途吗？ 洪永淼：Granger（1969）提出了著名的因果检验。因为计量经济学所检验的并不是经济学通常研究的因果逻辑关系，人们通常称之为Granger因果检验。Granger因果检验主要是检验一个经济变量的历史信息是否可用来预测另一个经济变量未来变动。也就是说，Granger因果关系是一种计量经济学意义上的预测关系，并不是真正意义上的因果关系。 协整理论的新发展 阈值协整（threshold cointegration） 应用时间序列模型的实际论文分析 * 四、模型的诊断——几个重要的检验统计量 1.t Statistics 2.P value 3.R2（ Adjusted r square ） 4.F Statistics 5.D.W. Statistics 6.多重共线性的诊断 * 1.2 伪回归 一个模拟案例 利用软件模拟以下两个序列 做两个序列的简单线性回归模型。 伪回归模拟案例 两个序列是相互独立的序列，但回归结果却显示，模型中系数都具有统计显著性。这是伪回归现象。 所谓伪回归，就是指变量之间本来不存在真正的关系，而是由于变量都是非平稳序列造成的虚假显著性关系。 伪回归的概念 伪回归的特征 非常高的R2 较低的DW统计量 系数表现出很强的显著性 该特征的原因是，检验统计量 将不再服从t分布，t统计量的方差远远大于t分布的方差，若仍用t分布临界值进行检验，拒绝原假设的概率会大大增加。 伪回归的启示 多变量的时间序列回归建模必须要进行序列的平稳性检验。 对于平稳的多元时间序列可以进行回归建模。对于非平稳的序列还要进行进一步的检验，再做处理。 数据的平稳性 对于一个时间序列变量Yt ,如果满足以下条件，则称Yt是平稳的。 平稳性数据的图示 我国现实数据图示 1.3 非平稳时间序列----单位根检验 定义 通过检验特征根是在单位圆内还是单位圆上（外），来检验序列的平稳性 方法 DF检验 ADF检验 PP检验 ……. 对1阶自回归模型AR(1)： 进行差分，可以得到： 对差分方程进行回归，如果可以检验δ为0，即表明?等于1，则说明Xt为单位根过程，记为I(1)。 根据变量的数据生成过程（DGP）可以将检验单位根的方程设定为： 1.数据中不含趋势项 2.数据中含趋势项 3.数据中含二次趋势项 常见的单位根检验方法主要有：ADF检验、PP检验、KPSS检验等。 1.4 协整理论 1.协整的定义： 如果序列{X1t,X2t,…,Xkt}都是d阶单整，存在向量?=(?1,?2,…,?k)，使得