协整与误差修正模型很不错.ppt

  1. 1、本文档共45页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
多变量的误差修正模型也可类似地建立。 如三个变量如果存在如下长期均衡关系 则其一阶非均衡关系可写成 于是它的一个误差修正模型为 (1)Granger 表述定理 误差修正模型有许多明显的优点:如 a)一阶差分项的使用消除了变量可能存在的趋势因素,从而避免了虚假回归问题; b)一阶差分项的使用也消除模型可能存在的多重共线性问题; c)误差修正项的引入保证了变量水平值的信息没有被忽视; d)由于误差修正项本身的平稳性,使得该模型可以用经典的回归方法进行估计,尤其是模型中差分项可以使用通常的t检验与F检验来进行选取;等等。 因此,一个重要的问题就是:是否变量间的关系都可以通过误差修正模型来表述? 2、误差修正模型的建立 §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 1、长期均衡 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??0+?1X。 在t-1期末,存在下述三种情形之一: (1)Y等于它的均衡值:Yt-1= ?0+?1Xt ; (2)Y小于它的均衡值:Yt-1< ?0+?1Xt ; (3)Y大于它的均衡值:Yt-1> ?0+?1Xt ; 在时期t,假设X有一个变化量?Xt,如果变量X与Y在时期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: 式中,vt=?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: (*) 因此,如果Yt=?0+?1Xt+?t式所示的X与Y间的长期均衡关系正确的话,(*)式表述的非均衡误差应是一平稳时间序列,并且具有零期望值,即是具有0均值的I(0)序列。 从这里已看到,非稳定的时间序列,它们的线性组合也可能成为平稳的。 例如:假设Yt=?0+?1Xt+?t式中的X与Y是I(1)序列,如果该式所表述的它们间的长期均衡关系成立的话,则意味着由非均衡误差(*)式给出的线性组合是I(0)序列。这时我们称变量X与Y是协整的(cointegrated)。 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,b>0,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)。 ⒉协整 在中国居民人均消费与人均GDP的例中,该两序列都是2阶单整序列,而且可以证明它们有一个线性组合构成的新序列为0阶

文档评论(0)

189****1620 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档