协整剖析 计量经济学 EVIEWS建模.ppt

非平稳时序的长期均衡分析 利用回归方法进行建模时,各回归元都是经济变 量,它们多数都是非平稳的时序过程。这与经典假设 中各回归元都是平稳的前提条件相矛盾。所以在非平 稳时序建模时,一定要进行协整分析,即在避免产生 伪回归现象的同时,寻找非平稳现象间的长期均衡 伪回归与协整回归 二、协整回归方程的建立与检验 长期均衡与误差修正模型 伪回归与协整回归 ()伪回归的含义及后果 1.伪回归的含义 在回归模型中有一个重要的基本假设,就各变 量都是平稳的,而在非平稳的时序间建立回归模型, 很可能将本来与被解释变量没有因果关系的现象纳 入到回归方程的解释变量中,且通过t检验认为是显 著的,这种情况就是伪回归。它是由格兰杰 Granger 和纽博尔德 Newbold在1974年提出的,对其理论解 释与完善是由菲利浦斯 Phillips在1986年完成的。 Granger和 Newbold所做的实验是将回归方程: Yt=β。+β1X+E的数据由随机游走系统生成如下 X=X+u Xo=0, u+IN(O, 1) Y Yo=0,vt~|N(O,1) 其中:Euvy)=0,Vi表示u和v服从相互独立的标准正 态分布,由此可知X和Y为相互独立的(1)变量 我们知道基于两个独立的随机游走变量建立的回归 方程,应该是毫无意义的,即它们所体现的任何关系都 具有欺骗性。更令人惊奇的是在5%的显著性水平上,有 近75%的可能性会拒绝β=0的原假设。且回归的R2值通 常很大,其残差也呈现出高度的自相关性。这一点可以 通过如下试验来证实: 利用计算机反复生成样本容量为T=100的两个时 序X和Y各1000次,并对每次生成的序列相应作如下 元线性回归: Y=b+,x+e 计算t(b1)的值,进而可以得到1万个t(b1)值的分 布见下图(2),同时给出了自由度为98的t分布曲线。 (1)三条试验分布曲线叠加示意图(2t2分布和虚假回归条件下的t分布图 通过上图中的两条曲线可以看出t(b1)分布的方 差远远大于正常t分布的方差。 当时间序列非平稳时,若仍然使用t检验,则 拒绝β1=0的概率大大增加。 此外上述条件下,随着样本容量T→∞,t(b2)的 分布将是发散的,所以拒绝β1=0的概率将会越来越 大,从而将不相关的现象视为因果关系而建立了回 归模型,即造成了虚假回归问题。