时间序列中的协整分析.docxVIP

时间序列中的协整分析

一、协整分析的理论缘起与核心内涵

在社会科学与自然科学的诸多研究领域，研究者往往需要对随时间连续观测得到的序列数据开展分析，小到某类商品的日度价格波动，大到宏观经济的长期增长趋势，这类数据的核心特征是前后观测值存在时间维度的关联，无法满足传统统计方法对数据独立性的要求，由此发展出了专门的时间序列分析体系。协整分析作为现代时间序列分析领域里程碑式的成果，从根本上解决了非平稳序列建模的核心痛点，为捕捉变量间的长期稳定关系提供了可靠的方法论支撑，自提出以来就被广泛应用于各个研究领域，成为分析长期均衡关系的核心工具。

（一）传统时间序列分析的现实困境

早期时间序列分析的基本前提是序列平稳，也就是序列的均值、方差、不同时点的协方差不会随时间推移发生系统性变化，只有满足平稳性要求，基于经典回归方法的统计推断才是可靠的。但在现实场景中，绝大多数和经济运行、社会发展、自然变化相关的时间序列都是非平稳的，比如宏观经济总量、居民可支配收入、资产价格、能源消费量等序列，往往会随着时间推移呈现持续上升或下降的长期趋势，自身的统计特征会随时间不断变化，不存在稳定的均值水平。如果直接对这类非平稳序列开展回归分析，就极易出现伪回归问题——两个本来没有任何逻辑关联的序列，仅仅因为各自存在相似的时间趋势，就会在回归结果中呈现出很高的拟合度和统计显著性，但这种显著性完全是数字层面的巧合，无法反映