计量经济学时间序列协整检验.docxVIP

计量经济学时间序列协整检验

一、引言

在计量经济学的时间序列分析中，研究者常常会遇到一个关键难题：直接对非平稳时间序列进行回归时，可能得到看似显著但实际毫无意义的“伪回归”结果。例如，若两个独立的随机游走序列被错误地拟合出高度显著的回归方程，这种结果并不反映真实的经济联系，却可能误导政策制定或学术结论。如何识别变量间的真实长期均衡关系？协整检验正是解决这一问题的核心工具。它通过分析多个非平稳时间序列的线性组合是否具有平稳性，判断变量间是否存在“共同漂移”的长期约束，为后续建立误差修正模型、分析短期波动与长期均衡的动态关系奠定基础。本文将围绕协整检验的理论逻辑、方法体系与应用要点展开系统探讨。

二、协整检验的理论基础与核心概念

要理解协整检验，需先明确时间序列分析中的几个关键概念，这些概念层层递进，共同构建了协整检验的理论根基。

（一）平稳性：时间序列的“稳定态”

平稳性是时间序列分析的基石。一个时间序列若满足“弱平稳”条件，其均值、方差在任意时间点都保持恒定，且任意两个时间点的自协方差仅与时间间隔有关，与具体时间无关。例如，每日气温数据若多年来均值波动在20℃左右，方差稳定，且相邻两日的温差与隔周温差的相关性模式固定，即可视为弱平稳序列。反之，若序列均值随时间持续增长（如GDP序列）或方差逐渐扩大（如某些金融资产价格），则属于非平稳序列。非平稳序列的最大问题在于，其统计特性随时间变化，传统回归分析的假设（如误差项独立同分布）不再成立，导致参数估计量失去一致性，进而引发伪回归。

（二）单整：非平稳序列的“可转换性”

现实中，多数经济金融时间序列是非平稳的，但它们的非平稳性常表现为“趋势性”而非“混沌性”。例如，GDP序列虽逐年增长（均值非平稳），但其一阶差分（即GDP增长率）可能趋于稳定。这种特性可用“单整”（Integration）概念描述：若一个时间序列经过d次差分后变为平稳序列，则称该序列为d阶单整，记为I(d)。最常见的是一阶单整序列I(1)，如多数宏观经济变量（收入、消费、物价）；少数序列可能是二阶单整I(2)（如某些高频金融数据的累计值）；而平稳序列本身为I(0)。单整阶数的确定通常通过单位根检验（如ADF检验、PP检验）完成，这是协整检验的前置步骤——只有当变量具有相同单整阶数时，才可能存在协整关系。

（三）协整：非平稳序列的“长期共生性”

协整（Cointegration）的核心思想是：尽管多个I(d)序列各自具有长期趋势（非平稳），但它们的某种线性组合可能消除趋势，变为I(0)序列。这种线性组合反映了变量间的长期均衡关系。例如，假设消费C_t和收入Y_t均为I(1)序列，若存在常数α、β，使得C_tαβY_t是I(0)序列，则说明消费与收入间存在协整关系，α+βY_t即为长期均衡路径，误差项（C_tαβY_t）代表短期偏离。协整关系的存在意味着变量间存在“共同的随机趋势”，短期波动虽可能偏离均衡，但长期会被拉回，这为分析经济系统的自我调节机制提供了依据。

三、协整检验的主要方法与操作逻辑

明确理论基础后，需掌握具体的检验方法。目前最常用的协整检验方法可分为两类：针对双变量的Engle-Granger两步法（EG检验）和针对多变量的Johansen检验，二者各有适用场景，共同构成协整检验的方法体系。

（一）Engle-Granger两步法：双变量协整的经典工具

EG两步法由Engle和Granger于1987年提出，因其操作简单、易于理解，成为双变量协整检验的首选方法。其核心逻辑是“先估计后检验”，具体分为两个步骤：

第一步是“协整回归”。假设变量X_t和Y_t均为I(1)序列，首先用普通最小二乘法（OLS）估计线性方程Y_t=α+βX_t+ε_t，得到残差序列(_t=Y_tX_t)。这里的残差实际上是变量间短期偏离长期均衡的程度。

第二步是“残差平稳性检验”。若X_t与Y_t存在协整关系，理论上残差序列应是平稳的（I(0)）；若不存在协整关系，残差序列仍是I(1)（非平稳）。因此，只需对(_t)进行单位根检验（通常使用ADF检验），即可判断协整关系是否存在。需要注意的是，残差是估计值而非真实误差项，其单位根检验的临界值与普通时间序列不同（更严格），需使用Engle-Granger临界值表。

EG两步法的优势在于操作简便，对小样本数据也有较好的适用性。但它的局限性同样明显：其一，仅适用于双变量情形，无法处理三个及以上变量的协整关系；其二，对模型设定（如是否包含常数项、趋势项）敏感，若协整回归方程形式错误（如遗漏必要变量），可能导致检验结果失真；其三，残差的平稳性仅能证明存在一个协整关系，无法识别多变量系统中可能存在的多个协整关系。

（二）Johansen检验：多变量协整的系统分析

为解