时间序列协整检验的E-G两步法原理.docxVIP

时间序列协整检验的E-G两步法原理

引言

在时间序列分析领域，经济、金融等现实场景中的变量数据常呈现非平稳特征——其均值或方差会随时间推移发生系统性变化。若直接对两个或多个非平稳序列进行回归分析，可能出现“伪回归”现象：即使变量间无真实因果关系，回归结果也可能显示高度显著的统计关系，导致结论失真。为解决这一问题，“协整理论”应运而生。协整关系描述的是一组非平稳序列在长期中存在的稳定均衡关系，这种关系使得它们的线性组合能够消除各自的非平稳性，形成平稳序列。

在协整检验的众多方法中，由Engle和Granger于20世纪80年代提出的“E-G两步法”（Engle-GrangerTwo-StepMethod）因操作简洁、逻辑清晰，成为最经典的两变量协整检验工具。该方法通过两步操作，逐步验证变量间是否存在协整关系，为分析经济变量的长期均衡提供了重要技术支撑。本文将围绕E-G两步法的原理展开，系统阐述其理论基础、操作流程、关键细节及应用价值。

一、协整关系的理论基础

要理解E-G两步法的原理，首先需要明确“协整”这一核心概念的内涵及其在时间序列分析中的意义。

（一）平稳序列与非平稳序列的区分

时间序列的平稳性是计量经济学分析的重要前提。一个平稳时间序列的均值、方差和自协方差在任意时间点上都是常数，不会随时间推移而变化；而非平稳序列则相反，其统计特征会随时间呈现趋势性或周期性变化。例如，宏观经济中的GDP序列常带有明显的增长趋势，属于非平稳序列；而剔除趋势后的GDP增长率序列可能趋于平稳。

非平稳序列的存在给回归分析带来了巨大挑战。若两个非平稳序列仅因各自包含相同的趋势成分（如时间趋势）而在回归中表现出“相关性”，这种关系并非真实的经济联系，而是统计上的“伪回归”。如何识别变量间的真实长期关系？协整理论给出了答案。

（二）协整关系的定义与经济含义

协整关系的严格定义可通俗理解为：若一组非平稳时间序列（通常为同阶单整序列，即经过d次差分后变为平稳序列，记为I(d)）存在一个线性组合，使得该组合成为平稳序列（即I(0)），则称这些序列之间存在协整关系，协整的阶数为d。

从经济意义上看，协整关系反映了变量间的“长期均衡约束”。例如，消费与收入、利率与汇率等经济变量，虽然短期内可能因随机冲击偏离均衡，但长期中会通过市场调节机制回到均衡状态。这种均衡关系的数学表达，即为协整方程中的线性组合。

（三）协整检验的核心逻辑

协整检验的本质是验证是否存在一个线性组合能将非平稳序列转化为平稳序列。E-G两步法的创新之处在于，将这一抽象的检验过程分解为两个可操作的步骤：第一步通过回归估计可能的长期均衡方程；第二步通过检验回归残差的平稳性，间接判断原序列是否存在协整关系。这种“从整体到局部”的思路，既简化了检验流程，又保证了结论的可靠性。

二、E-G两步法的操作流程

E-G两步法的名称直接体现了其“分两步走”的核心特征。这两个步骤环环相扣，第一步为第二步提供检验对象（残差序列），第二步通过残差的平稳性验证协整关系的存在性。

（一）第一步：建立协整回归模型

协整回归是E-G两步法的起点，其目标是通过线性回归估计变量间的长期均衡方程。假设我们关注两个时间序列变量Y和X，若它们均为I(1)序列（一阶单整，即原序列非平稳，一阶差分后平稳），则可能存在协整关系。此时，我们可设定如下回归模型：

Y_t=α+βX_t+u_t

其中，α为截距项，β为待估计的长期均衡系数，u_t为随机误差项（理论上应为平稳序列，若Y和X协整）。

在实际操作中，研究者需使用普通最小二乘法（OLS）对上述模型进行参数估计，得到估计方程：

?_t=a+b?X_t

并计算残差序列ê_t=Y_t?_t。这里的残差ê_t是对真实误差项u_t的估计，其平稳性将直接决定Y和X是否协整——若ê_t是平稳序列（I(0)），则说明Y和X的线性组合消除了各自的非平稳性，二者存在协整关系；若ê_t非平稳（I(1)），则协整关系不成立。

需要强调的是，协整回归的设定需根据变量的实际特征调整。例如，若Y和X包含时间趋势，模型中可能需要加入时间趋势项；若变量间的均衡关系不含截距，则应设定无截距模型。错误的模型设定可能导致残差序列无法正确反映均衡关系，进而影响检验结果。

（二）第二步：残差序列的平稳性检验

第一步得到残差序列后，第二步的核心任务是检验该残差是否为平稳序列。常用的方法是对残差进行单位根检验，最经典的是ADF检验（增广迪基-富勒检验）。

ADF检验的基本思想是：若序列存在单位根，则其是非平稳的；若不存在单位根，则是平稳的。对于残差序列ê_t，ADF检验的回归方程通常设定为：

Δê_t=γê_{t-1}+Σδ_iΔê_{t-i}+ε_t

其中，Δ表示一阶差分，p为滞后阶数，ε_