《金融计量学（第二版）》Lecture 11协整与误差修正模型01.pptVIP

接下来，我们利用Engle-Granger协整分析方法，以回归方程（11.21）为基础考查了此例中的协整关系问题。 第一，对 和 进行了ADF单位根检验，结果归纳在表11-6中。从单位根检验的结果可以看到，两个变量分别进行的单位根检验统计量对应的p-值都远大于10％，所以可以判断者两个变量为I(1)序列。 表11-6 变量 和 的ADF单位根检验结果 ? 第二，我们运用OLS对模型(11.21)进行回归估计，并且将回归估计的结果报告在表11-7中，同时将获得的残差序列保持下来，其时序图描绘在图11-7中。 表11-7 模型（11.21）的OLS回归估计结果 图11-7 模型(11.21)回归后的残差序列 第三，我们对残差序列进行ADF单位根检验，并使用表11-5中归纳的Engle-Granger协整分析中特殊的ADF单位根检验临界值，来判断残差序列是否具有单位根。 表11-8 模型(11.21)对应的残差项单位根检验结果 11.3 向量ADF模型与协整分析 11.3.1 向量形式的ADF模型 对于向量形式的自回归模型，即VAR(p)模型： （11.25） VAR模型系统是否稳定，由特征方程等式 （11.26） 的根决定。 VAR模型系统内变量的平稳特性与特征方程的根紧密相关： ①如果 的所有根都落在单位圆外则VAR模型系统内的所有变量均为平稳序列，即I(0)。 ②如果 的一个根等于1，而其他所有根都落在单位圆外，那么VAR模型系统内的所有变量均为非平稳序列，即I(1)。 金融计量学 第11章 协整与误差修正模型 11.1 协整与误差修正模型的基本定义 11.2 Engle-Granger协整分析方法 11.3 向量ADF模型与协整分析 11.4 向量误差修正模型(VECM) 11.5 确定性趋势与协整分析 11.6 Johansen协整分析方法 11.7 VECM的估计与统计推断 11.8 Johansen协整分析方法的应用 11.1 协整与误差修正模型的基本概念 协整分析是基于非平稳序列基础之上的，而利用非平稳序列进行回归，经常会出现伪回归现象。而另外一种情况却是更具有应用价值的协整关系。 11.1.1 伪回归 对于经典线性回归模型，如： （11.1） 除了对随机扰动项的独立一致性分布要求之外，一般都要求回归变量 和 为平稳时间序列。 伪回归（spurious regression） ，就是指变量之间本来并不存在真正的关系，而是由于变量都是趋势（非平稳）序列造成的虚假显著性关系。 在介绍伪回归概念的时候，一般都使用非平稳序列回归来进行演示。我们这里使用计算机模拟生成两个观测值为241个的带截距项的随机游走序列: (11.2) 其中： 表示服从正态一致性分布、均值为0、方差为1的随机扰动项。 图11-1模型（11.2）随机生成的带截距项的随机游走过程 表11-1伪回归估计结果 Dependent Variable: y Method: Least Squares Included observations: 241 Coefficient Std. Error t-Statistic Prob. X 1.367366 0.007110 192.3142 0.0000 C -18.69211 1.093746 -17.08999 0.0000 R-squared 0.993579 ????Mean dependent var 166.9619 Adjusted R-squared 0.993553 ????S.D. dependent var 99.40280 S