第1章-回归分析与时间序列分析初步.pptVIP

第一章回归分析与时间序列分析初步;本章结构;1.1回归分析;*;*;*;*;*;Yi=?0+?1X1i+?2X2i+…+?kXki+ui

解释变量X1X2…Xk间存在完全的或接近的线性关系，称之为多重共线性。

1.如果存在一组不全为0的λ，使得：

λ1X1i+λ2X2i+…+λkXki=0

称之为完全多重共线性

2.如果存在一组不全为0的λ，使得：

λ1X1i+λ2X2i+…+λkXki+vi=0

vi为随机误差项，称之为不完全多重共线性，又叫高度多重共线性。

;三、满足经典假定参数估计量的性质;四、模型的诊断——几个重要的检验统计量;1.2伪回归;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。;伪回归的特征;伪回归的启示;;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;对1阶自回归模型AR(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：;1.4协整理论;2.协整检验;Engle-Granger两步法检验的缺陷;例如，三个变量：X、Y、Z，在三个变量之间存在四种可能的线性组合：

XY、YZ、XZ、XYZ

但只考虑独立的线性组合，对于n个变量，最多只有n-1个独立的协整关系。考虑上面的四种组合：

如果XY协整，那么有：aX+bY+c~I(0)

如果YZ协整，那么有：pY+qZ+r~I(0)

将上面的线性组合相加，有：

aX+(b+p)Y+qZ+(c+r)~I(0)，所以XYZ协整

用p乘aX+bY+c减去b乘pY+qZ+r,有：

apX-bqZ+(cp-br)~I(0)，所以XZ协整;〔2〕VAR模型和Johansen协整检验;1〕VAR模型;例如：GDP〔yt〕和货币供给量〔xt〕之间的关系可由一个含常数项的双变量的VAR(1)模型表示：;VAR模型不是建立在经济理论根底之上的，是一种乏理论(Atheoretic)的模型，无需对变量作任何先验性的约束。

因此，在分析VAR模型时，往往不分析一个变量的变化对对另一个变量的影响，而是分析当一个误差〔脉冲〕项发生变化，也就是模型受到某种冲击时对系统的动态影响，这种分析方法称为脉冲响应函数(Impulseresponsefunction，IRF)分析法。

因为VAR模型也是要求模型中的变量是平稳的，常见的错误就是对非平稳的数据进行脉冲响应分析，从而得到的脉冲响应函数不收敛！;2〕VAR模型中协整向量的估计;?Yt=μ+?Yt-1+?1?Yt-1+?2?Yt-2+…+?p-1?Yt-(p-1)+Ut;Granger定理指出：如果rk(?)=rn，那么存在n×r矩阵?和?，它们的秩都是r，使得?=??，且?Yt-1~I(0)。

Johansen方法就是在VAR的形式下检验协整参数矩阵?的秩，估计协整向量和调节系数矩阵?。;3〕Johansentests的五种设定;;;;;;?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。;1.5误差修正模型;1.6Granger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：;(3)假设∑bi≠0，且∑di≠0,那么yt和xt有双向Granger因。

(4)假设∑bi=0，且∑di=0,那么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。;协整理论的新开展;应用时间序列模型的实际论文分析