《现代时间序列分析模型.ppt》由会员分享，可在线阅读，更多相关《现代时间序列分析模型.ppt（112页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第六讲第六讲 现代时间序列分析模型现代时间序列分析模型1 时间序列平稳性和单位根检验时间序列平稳性和单位根检验2 协整与误差修正模型协整与误差修正模型经典时间序列分析模型：经典时间序列分析模型：MA、AR、ARMA平稳时间序列模型平稳时间序列模型分析时间序列自身的变化规律分析时间序列自身的变化规律现代时间序列分析模型：现代时间序列分析模型：分析时间序列之间的关系分析时间序列之间的关系单位根检验、协整检验单位根检验、协整检验现代宏观计量经济学现代宏观计量经济学1 时间序列平稳性和单位根检验时间序列平稳性和单位根检验一、时间序列的平稳性一、时间序列的平稳性二、单整序列二、单整序列三、单位根检验三、
2、单位根检验一、一、时间序列的平稳性时间序列的平稳性Stationary Time Series问题的提出问题的提出经典计量经济模型常用到的数据有：经典计量经济模型常用到的数据有：时间序列数据时间序列数据（time-series data)；截面数据截面数据(cross-sectional data)平行平行/面板数据面板数据（panel data/time-series cross-section data)时间序列数据是最常见，也是最常用到的数据时间序列数据是最常见，也是最常用到的数据。经典回归分析暗含着一个重要假设：经典回归分析暗含着一个重要假设：数据是平稳的。数据是平稳的。数据非平稳，大
3、样本下的统计推断基础数据非平稳，大样本下的统计推断基础“一致一致性性”要求要求被破怀。被破怀。数据非平稳，往往导致出现数据非平稳，往往导致出现“虚假回归虚假回归”（Spurious Regression）问题。）问题。表现为两个本来没有任何因果关系的变量，却有很高的表现为两个本来没有任何因果关系的变量，却有很高的相关性。相关性。例如：例如：如果有两列时间序列数据表现出一致的变化趋势（非平稳的），即使它们没有任何有意义的关系，但进行回归也可表现出较高的可决系数。2 2、平稳性的定义、平稳性的定义假定某个时间序列是由某一假定某个时间序列是由某一随机过程随机过程（stochastic process
4、）生成的，即假定时间序生成的，即假定时间序列列Xt（t=1,2,）的每一个数值都是从一个）的每一个数值都是从一个概率分布中随机得到，如果满足下列条件：概率分布中随机得到，如果满足下列条件：均值均值E(XE(Xt t)=)=是是与时间与时间t 无关的常数；无关的常数；方差方差Var(XVar(Xt t)=)=2 2是是与时间与时间t 无关的常数；无关的常数；协方差协方差Cov(XCov(Xt t,X,Xt+kt+k)=)=k k 是是只与时期间隔只与时期间隔k有关，与有关，与时间时间t 无关的常数；无关的常数；则称该随机时间序列是则称该随机时间序列是平稳的（平稳的（stationary)，而该随
5、机过程是一而该随机过程是一平稳随机过程（平稳随机过程（stationary stochastic process）。宽平稳、广义平稳宽平稳、广义平稳白噪声（白噪声（white noise）过程是平稳的：过程是平稳的：Xt=t ，tN(0,2)随机游走（随机游走（random walk）过程是非平稳的：过程是非平稳的：Xt=Xt-1+t，tN(0,2)Var(Xt)=t2随随机机游游走走的的一一阶阶差差分分（first difference）是是平平稳稳的：的：Xt=Xt-Xt-1=t，tN(0,2)如果一个时间序列是非平稳的，它常常可通过如果一个时间序列是非平稳的，它常常可通过取差分的方法而形
6、成平稳序列。取差分的方法而形成平稳序列。二、单整序列二、单整序列Integrated Series如如果果一一个个时时间间序序列列经经过过一一次次差差分分变变成成平平稳稳的的，就就称称原原序序列列是是一一阶阶单单整整（integrated of 1）序序列列，记为记为I(1)。一般地，如果一个时间序列经过一般地，如果一个时间序列经过d次差分后变次差分后变成平稳序列，则称原序列是成平稳序列，则称原序列是d 阶单整阶单整（integrated of d）序列）序列，记为，记为I(d)。I(0)代表一平稳时间序列。代表一平稳时间序列。现现实实经经济济生生活活中中只只有有少少数数经经济济指指标标的的时
7、时间间序序列列表现为平稳的，如利率等表现为平稳的，如利率等;大大多多数数指指标标的的时时间间序序列列是是非非平平稳稳的的，例例如如，以以当当年年价价表表示示的的消消费费额额、收收入入等等常常是是2阶阶单单整整的的，以以不不变变价价格格表表示示的的消消费费额额、收收入入等等常常表表现现为为1阶单整。阶单整。大大多多数数非非平平稳稳的的时时间间序序列列一一般般可可通通过过一一次次或或多多次差分的形式变为平稳的。次差分的形式变为平稳的。但但也也有有一一些些时时间间序序列列，无无论论经经过过多多少少次次差差分分，都都不不能能变变为为平平稳稳的的。这这种种序序列列被被称称为为非非单单整整的的（non-i
8、ntegrated）。三、平稳性的单位根检验三、平稳性的单位根检验 （unit root test）1 1、DFDF检验检验（Dicky-Fuller Test）通过上式判断通过上式判断X Xt t是否有单位根是否有单位根,就是时间序列平就是时间序列平稳性的稳性的单位根检验单位根检验。随机游走，非平稳随机游走，非平稳对该式回归，如果确实对该式回归，如果确实发现发现=1，则称随机变，则称随机变量量X Xt t有一个有一个单位根单位根。等价于通过该式判断等价于通过该式判断是否存在是否存在=0。一般检验模型一般检验模型零假设零假设 H0：=0备择假设备择假设 H1：0可通过可通过OLS法下的法下的t
9、检验完成。检验完成。但但是是，在在零零假假设设（序序列列非非平平稳稳）下下，即即使使在在大大样样本本下下t统统计计量量也也是是有有偏偏误误的的（向向下下偏偏倚倚），通通常常的的t 检验无法使用。检验无法使用。Dicky和和Fuller于于1976年年提提出出了了这这一一情情形形下下t统统计计量量服服从从的的分分布布（这这时时的的t统统计计量量称称为为 统统计计量量），即即DF分布分布。由由于于t统统计计量量的的向向下下偏偏倚倚性性，它它呈呈现现围围绕绕小小于于零零均均值的偏态分布。值的偏态分布。如果如果t临界值，则拒绝零假设临界值，则拒绝零假设H0：=0，认为，认为时间序列不存在单位根，是平稳
10、的。时间序列不存在单位根，是平稳的。单尾检验2 2、ADFADF检验（检验（Augment Dickey-Fuller test）为什么将为什么将DFDF检验扩展为检验扩展为ADFADF检验？检验？DF检检验验假假定定时时间间序序列列是是由由具具有有白白噪噪声声随随机机误误差差项项的的一一阶阶自自回回归归过过程程AR(1)生生成成的的。但但在在实实际际检检验验中中，时时间间序序列列可可能能由由更更高高阶阶的的自自回回归归过过程程生生成成，或或者者随随机机误误差差项项并并非非是是白白噪噪声声，用用OLS法法进进行行估估计计均均会会表表现现出出随随机机误误差差项项出出现现自自相相关关，导致导致DF
11、检验无效。检验无效。如如果果时时间间序序列列含含有有明明显显的的随随时时间间变变化化的的某某种种趋趋势势（如如上上升升或或下下降降），也也容容易易导导致致DF检检验验中中的的自相关随机误差项问题。自相关随机误差项问题。ADFADF检验模型检验模型零假设零假设 H0：=0 备择假设备择假设 H1：临界值，临界值，不能拒绝存在单位根不能拒绝存在单位根的零假设。的零假设。时间T的t统计量小于ADF临界值，因此不能拒绝不存在趋势不能拒绝不存在趋势项的零假设项的零假设。小于小于5%显著性水平下自由度分别为显著性水平下自由度分别为1与与2的的 2分布的临界值，可见不存分布的临界值，可见不存在自相关性，因此
12、该模型的设定是在自相关性，因此该模型的设定是正确的。正确的。经试验，模型经试验，模型2中滞后项取中滞后项取2阶：阶：常数项的t统计量小于AFD分布表中的临界值，不不能能拒拒绝绝不存常数项的零假设。不存常数项的零假设。LM检验表明模型残差不存在自相关性，因此该模型的设定是正确的。GDPt-1参数值的t统计量为正值，大于临界值，不能拒绝存在不能拒绝存在单位根的零假设单位根的零假设。需进一步检验模型需进一步检验模型1。经试验，模型经试验，模型1中滞后项取中滞后项取2阶：阶：GDPt-1参参数数值值的的t统统计计量量为为正正值值，大大于于临临界界值值，不不能拒绝存在单位根的零假设。能拒绝存在单位根的零
13、假设。LM检验表明模型残差项不存在自相关性，因此模型的设定是正确的。可以断定中国支出法可以断定中国支出法GDP时间序列是非平稳的。时间序列是非平稳的。为了判断它的单整阶数，需要对它的差分序列进行为了判断它的单整阶数，需要对它的差分序列进行检验检验ADFADF检验在检验在EviewsEviews中的实现中的实现ADFADF检验在检验在EviewsEviews中的实现中的实现ADFADF检验在检验在EviewsEviews中的实现中的实现GDPPGDPPADFADF检验在检验在EviewsEviews中的实现中的实现GDPPGDPP从从GDPP(-1)的参数值看，的参数值看，其其t统计量的值统计量
14、的值大于临界值大于临界值（单尾），不（单尾），不能拒绝存在单能拒绝存在单位根的零假设。位根的零假设。同时，由于时同时，由于时间项间项T的的t统计统计量也小于量也小于ADF分布表中的临分布表中的临界值（双尾），界值（双尾），因此不能拒绝因此不能拒绝不存在趋势项不存在趋势项的零假设。需的零假设。需进一步检验模进一步检验模型型2。ADFADF检验在检验在EviewsEviews中的实现中的实现GDPPGDPPADFADF检验在检验在EviewsEviews中的实现中的实现GDPPGDPP从从GDPP(-1)的参数值看，的参数值看，其其t统计量的值统计量的值大于临界值大于临界值（单尾），不（单尾），不
15、能拒绝存在单能拒绝存在单位根的零假设。位根的零假设。同时，由于常同时，由于常数项的数项的t统计量统计量也小于也小于ADF分分布表中的临界布表中的临界值（双尾），值（双尾），因此不能拒绝因此不能拒绝不存在趋势项不存在趋势项的零假设。需的零假设。需进一步检验模进一步检验模型型1。ADFADF检验在检验在EviewsEviews中的实现中的实现GDPPGDPPADFADF检验在检验在EviewsEviews中的实现中的实现GDPPGDPP从从GDPP(-1)的参数值的参数值看，其看，其t统计统计量的值大于量的值大于临界值（单临界值（单尾），不能尾），不能拒绝存在单拒绝存在单位根的零假位根的零假设。至
16、此，设。至此，可断定可断定GDPP时间时间序列是非平序列是非平稳的。稳的。ADFADF检验在检验在EviewsEviews中的实现中的实现GDPPGDPPADFADF检验在检验在EviewsEviews中的实现中的实现GDPPGDPP从从GDPP(-1)的的参数值看，其参数值看，其t统统计量的值大于临界计量的值大于临界值（单尾），不能值（单尾），不能拒绝存在单位根的拒绝存在单位根的零假设。同时，由零假设。同时，由于时间项项于时间项项T的的t统统计量也小于计量也小于AFD分分布表中的临界值布表中的临界值（双尾），因此不（双尾），因此不能拒绝不存在趋势能拒绝不存在趋势项的零假设。需进项的零假设。需
17、进一步检验模型一步检验模型2。在在1%置信度下。置信度下。ADFADF检验在检验在EviewsEviews中的实现中的实现GDPPGDPP如果将置信度从如果将置信度从1%1%降低至降低至10%10%，将拒绝存在单位，将拒绝存在单位根和不存在时间趋势项的假设，得到根和不存在时间趋势项的假设，得到GDPPGDPP是平是平稳序列的结论，进而得到稳序列的结论，进而得到GDPPGDPP是是I(1)I(1)序列。序列。ADFADF检验在检验在EviewsEviews中的实现中的实现GDPPGDPP从从GDPP(-1)的的参数值看，其统参数值看，其统计量的值大于临计量的值大于临界值（单尾），界值（单尾），不
18、能拒绝存在单不能拒绝存在单位根的零假设。位根的零假设。同时，由于常数同时，由于常数项的项的t统计量也小统计量也小于于AFD分布表中分布表中的临界值（双尾）的临界值（双尾），因此不能拒绝，因此不能拒绝不存在趋势项的不存在趋势项的零假设。需进一零假设。需进一步检验模型步检验模型1。ADFADF检验在检验在EviewsEviews中的实现中的实现GDPPGDPP从从GDPP(-1)的参数值看，的参数值看，其统计量的值其统计量的值大于临界值大于临界值（单尾），不（单尾），不能拒绝存在单能拒绝存在单位根的零假设。位根的零假设。至此，可断定至此，可断定GDPP时间时间序列是非平稳序列是非平稳的。的。ADF
19、ADF检验在检验在EviewsEviews中的实现中的实现2 2GDPPGDPPADFADF检验在检验在EviewsEviews中的实现中的实现2 2GDPPGDPPADFADF检验在检验在EviewsEviews中的实现中的实现2 2GDPPGDPPADFADF检验在检验在EviewsEviews中的实现中的实现2 2GDPPGDPP从从2GDPP(-1)的参数值的参数值看，其统计量看，其统计量的值小于临界的值小于临界值（单尾），值（单尾），拒绝存在单位拒绝存在单位根的零假设。根的零假设。至此，可断定至此，可断定2GDPP时时间序列是平稳间序列是平稳的。的。GDPP是是I(2)过程。过程。2
20、 协整与误差修正模型协整与误差修正模型一、长期均衡与协整分析一、长期均衡与协整分析二、协整检验二、协整检验EGEG检验检验三、协整检验三、协整检验JJJJ检验检验四、误差修正模型四、误差修正模型一、长期均衡与协整分析一、长期均衡与协整分析Equilibrium and Cointegration1、问题的提出、问题的提出经经典典回回归归模模型型（classical classical regression regression modelmodel）是是建建立立在在平平稳稳数数据据变变量量基基础础上上的的，对对于于非非平平稳稳变变量量，不不能能使使用用经经典典回归模型，否则会出现回归模型，否则
21、会出现虚假回归虚假回归等诸多问题。等诸多问题。由由于于许许多多经经济济变变量量是是非非平平稳稳的的，这这就就给给经经典典的的回回归归分分析析方方法带来了很大限制。法带来了很大限制。但但是是，如如果果变变量量之之间间有有着着长长期期的的稳稳定定关关系系，即即它它们们之之间间是是协协整整的的（cointegration)cointegration)，则则是是可可以以使使用用经经典典回回归归模模型型方方法建立回归模型的。法建立回归模型的。例例如如，中中国国居居民民人人均均消消费费水水平平与与人人均均GDPGDP变变量量的的例例子子,从从经经济济理理论论上上说说，人人均均GDPGDP决决定定着着居居民
22、民人人均均消消费费水水平平，它它们们之之间间有着长期的稳定关系，即它们之间是协整的。有着长期的稳定关系，即它们之间是协整的。经经济济理理论论指指出出，某某些些经经济济变变量量间间确确实实存存在在着着长长期期均均衡衡关关系系，这这种种均均衡衡关关系系意意味味着着经经济济系系统统不不存存在在破破坏坏均均衡衡的的内内在在机机制制，如如果果变变量量在在某某时时期期受受到到干干扰扰后后偏偏离离其其长长期期均均衡衡点点，则则均均衡衡机机制制将将会会在在下下一一期期进进行行调调整整以以使使其其重重新新回回到到均均衡衡状状态。态。假设X与Y间的长期“均衡关系”由式描述 2 2、长期均衡、长期均衡该均衡关系意味
23、着该均衡关系意味着:给定X的一个值，Y相应的均衡值也随之确定为0+1X。在在t-1期末，存在下述三种情形之一：期末，存在下述三种情形之一：Y等于它的均衡值：等于它的均衡值：Yt-1=0 0+1 1Xt；Y小于它的均衡值：小于它的均衡值：Yt-1 0 0+1 1Xt；在在时时期期t，假假设设X有有一一个个变变化化量量 Xt，如如果果变变量量X与与Y在在时时期期t与与t-1末末期期仍仍满满足足它它们们间间的的长长期期均均衡衡关关系，即上述第一种情况，则系，即上述第一种情况，则Y的相应变化量为的相应变化量为:vt=t-t-1 如如果果t-1期期末末，发发生生了了上上述述第第二二种种情情况况，即即Y的
24、的值值小小于于其其均均衡衡值值，则则t期期末末Y的的变变化化往往往往会会比比第第一种情形下一种情形下Y的变化大一些；的变化大一些；反反之之，如如果果t-1期期末末Y的的值值大大于于其其均均衡衡值值，则则t期期末末Y的变化往往会小于第一种情形下的的变化往往会小于第一种情形下的 Yt。可可见见，如如果果Yt=0 0+1 1Xt+t t正正确确地地提提示示了了X与与Y间间的的长长期期稳稳定定的的“均均衡衡关关系系”，则则意意味味着着Y对其均衡点的偏离从本质上说是对其均衡点的偏离从本质上说是“临时性临时性”的。的。一一个个重重要要的的假假设设就就是是:随随机机扰扰动动项项 t t必必须须是是平平稳稳序
25、序列列。如如果果 t t有有随随机机性性趋趋势势（上上升升或或下下降降），则则会会导导致致Y对对其其均均衡衡点点的的任任何何偏偏离离都都会会被被长长期期累积下来而不能被消除。累积下来而不能被消除。式Yt=0+1Xt+t中的随机扰动项也被称为非非均衡误差（均衡误差（disequilibrium error），它是变量X与Y的一个线性组合：如果如果X与与Y间的长期均衡关系正确，该式表述的非间的长期均衡关系正确，该式表述的非均衡误差应是一平稳时间序列，并且具有零期望值，均衡误差应是一平稳时间序列，并且具有零期望值，即是具有即是具有0均值的均值的I(0)序列。序列。非稳定的时间序列，它们的线性组合也可
26、能成为非稳定的时间序列，它们的线性组合也可能成为平稳的。平稳的。称变量称变量X与与Y是协整的（是协整的（cointegrated）。）。3 3、协整、协整如果序列如果序列XX1t1t,X,X2t2t,X,Xktkt 都是都是d d阶单整，存在向量阶单整，存在向量=(1 1,2 2,k k)，使得，使得Z Zt t=X XT T I(d-b)I(d-b)，其中，其中，b0b0，X=(XX=(X1t1t,X,X2t2t,X,Xktkt)T T，则认为序列，则认为序列XX1t1t,X,X2t2t,X,Xktkt 是是(d,b)(d,b)阶协整阶协整，记为，记为X XttCI(d,b)CI(d,b)，
27、为协整向量（为协整向量（cointegrated vector）。）。如果两个变量都是单整变量，只有当它们的单整如果两个变量都是单整变量，只有当它们的单整阶数相同时，才可能协整；如果它们的单整阶数阶数相同时，才可能协整；如果它们的单整阶数不相同，就不可能协整。不相同，就不可能协整。3 3个以上的变量，如果具有不同的单整阶数，有个以上的变量，如果具有不同的单整阶数，有可能经过线性组合构成低阶单整变量。可能经过线性组合构成低阶单整变量。（d,d）阶协整是一类非常重要的协整关系，它）阶协整是一类非常重要的协整关系，它的经济意义在于：的经济意义在于：两个变量，虽然它们具有各两个变量，虽然它们具有各自的
28、长期波动规律，但是如果它们是（自的长期波动规律，但是如果它们是（d,dd,d）阶协整的，则它们之间存在着一个长期稳定的阶协整的，则它们之间存在着一个长期稳定的比例关系。比例关系。例如，中国例如，中国CPCCPC和和GDPPCGDPPC，它们各自都是，它们各自都是2 2阶单整，如果阶单整，如果它们是它们是(2,2)(2,2)阶协整，说明它们之间存在着一个长期稳阶协整，说明它们之间存在着一个长期稳定的比例关系，从计量经济学模型的意义上讲，建立定的比例关系，从计量经济学模型的意义上讲，建立如下居民人均消费函数模型是合理的。如下居民人均消费函数模型是合理的。尽管两个时间序列是非平稳的，也可以用经典尽管
29、两个时间序列是非平稳的，也可以用经典的回归分析方法建立回归模型。的回归分析方法建立回归模型。从从这这里里，我我们们已已经经初初步步认认识识到到：检检验验变变量量之之间间的的协协整整关关系系，在在建建立立计计量量经经济济学学模模型型中中是是非非常常重重要的。要的。而而且且，从从变变量量之之间间是是否否具具有有协协整整关关系系出出发发选选择择模模型型的的变变量量，其其数数据据基基础础是是牢牢固固的的，其其统统计计性性质是优良的质是优良的。二、协整检验二、协整检验EG检验检验 1 1、两变量的、两变量的Engle-GrangerEngle-Granger检验检验 为了检验两变量Yt,Xt是否为协整，
30、Engle和Granger于1987年提出两步检验法，也称为EG检验。第一步，第一步，用OLS方法估计方程 Yt=0+1Xt+t并计算非均衡误差，得到：称为协整回归协整回归(cointegrating)或静态回归静态回归(static regression)。非均衡误差的单整性的检验方法仍然是非均衡误差的单整性的检验方法仍然是DFDF检验检验或者或者ADFADF检验。检验。需要注意是需要注意是，这里的，这里的DF或或ADF检验是针对协整检验是针对协整回归计算出的误差项，而非真正的非均衡误差。回归计算出的误差项，而非真正的非均衡误差。而而OLS法采用了残差最小平方和原理，因此法采用了残差最小平方
31、和原理，因此估估计量计量 是向下偏倚的是向下偏倚的，这样将导致拒绝零假设，这样将导致拒绝零假设的机会比实际情形大。的机会比实际情形大。于是对于是对e et t平稳性检验的平稳性检验的DFDF与与ADFADF临界值应该比正临界值应该比正常的常的DFDF与与ADFADF临界值还要小。临界值还要小。MacKinnon(1991)通过模拟试验给出了协整检验的临界值。例例 检验中国居民人均消费水平检验中国居民人均消费水平CPCCPC与人均国内生产与人均国内生产总值总值GDPPCGDPPC的协整关系。的协整关系。已知CPC与GDPPC都是I(2)序列，已知它们的回归式 R2=0.9981 对该式计算的残差
32、序列作ADF检验，适当检验模型为：（-4.47）(3.93)(3.05)LM(1)=0.00 LM(2)=0.00 t=-4.47-3.75=ADF0.05，拒绝存在单位根的假设，残差项是平稳的。因此中国居民人均消费水平与人均中国居民人均消费水平与人均GDPGDP是是(2,2)(2,2)阶协整的，说明了该两变量间存在长期稳定的阶协整的，说明了该两变量间存在长期稳定的“均衡均衡”关关系。系。2 2、多变量协整关系的检验、多变量协整关系的检验扩展的扩展的E-GE-G检验检验 多变量协整关系的检验要比双变量复杂一些，主要在于协整变量间可能存在多种稳定的线性组合协整变量间可能存在多种稳定的线性组合。假
33、设有4个I(1)变量Z、X、Y、W，它们有如下的长期均衡关系：非均衡误差项t应是I(0)序列：然而，如果Z与W，X与Y间分别存在长期均衡关系：则非均衡误差项v1t、v2t一定是稳定序列I(0)。于是它们的任意线性组合也是稳定的。例如 由于vt象t一样，也是Z、X、Y、W四个变量的线性组合，由此vt 式也成为该四变量的另一稳定线性组合。（1,-0,-1,-2,-3）是对应于t 式的协整向量，（1,-0-0,-1,1,-1）是对应于vt式的协整向量。一定是I(0)序列。检验程序：检验程序：对对于于多多变变量量的的协协整整检检验验过过程程，基基本本与与双双变变量量情情形形相相同同，即即需需检检验验变
34、变量量是是否否具具有有同同阶阶单单整整性性，以以及及是是否否存在稳定的线性组合存在稳定的线性组合。在在检检验验是是否否存存在在稳稳定定的的线线性性组组合合时时，需通过设置一个变量为被解释变量，其他变量为解释变量，进行OLS估计并检验残差序列是否平稳。如如果果不不平平稳稳，则需更换被解释变量，进行同样的OLS估计及相应的残差项检验。当当所所有有的的变变量量都都被被作作为为被被解解释释变变量量检检验验之之后后，仍仍不不能能得得到到平平稳稳的的残残差差项项序序列列，则则认认为为这这些些变变量间不存在（量间不存在（d,dd,d）阶协整。）阶协整。检检验验残残差差项项是是否否平平稳稳的的DF与与ADF检
35、检验验临临界界值值要要比比通通常常的的DF与与ADF检检验验临临界界值值小小，而而且且该该临临界界值值还还受受到到所所检检验验的变量个数的影响。的变量个数的影响。MacKinnon(1991)通过模拟试验得到的不同变量协整检验的临界值。三、协整检验三、协整检验JJJJ检验检验 JJ JJ检验的原理检验的原理 Johansen于于1988年，以及与年，以及与Juselius一起于一起于1990年提出了一种用向量自回归模型进行检验年提出了一种用向量自回归模型进行检验的方法，通常称为的方法，通常称为Johansen检验，或检验，或JJ检验，检验，是一种进行多重是一种进行多重I(1)序列协整检验的较好
36、方法序列协整检验的较好方法。没有移动平均项的向量自回归模型表示为：没有移动平均项的向量自回归模型表示为：差分Yt为为M个个I(1)过程构成的向量过程构成的向量 I(0)过程I(0)过程只有产生协整，才能保证新生误差是平稳过程 将将y的协整问题转变为讨论矩阵的协整问题转变为讨论矩阵的性质问题的性质问题 于是，将于是，将yt中的协整检验变成对矩阵中的协整检验变成对矩阵的分析问题。的分析问题。这就是这就是JJ检验的基本原理。检验的基本原理。两种检验方法：两种检验方法：特征值轨迹检验特征值轨迹检验最大特征值检验最大特征值检验 JJ JJ检验的预备工作检验的预备工作 第一步：第一步：用用OLSOLS分别
37、估计下式中的每一个方程，分别估计下式中的每一个方程，计算残差，得到残差矩阵计算残差，得到残差矩阵S S0 0，为一个，为一个(MT)(MT)阶阶矩阵。矩阵。第一步：第一步：用用OLSOLS分别估计下式中的每一个方程，分别估计下式中的每一个方程，计算残差，得到残差矩阵计算残差，得到残差矩阵S S1 1，也为一个，也为一个(MT)(MT)阶矩阵。阶矩阵。第三步：第三步：构造上述残差矩阵的积矩阵：构造上述残差矩阵的积矩阵：第四步：第四步：计算有序特征值和特征向量。计算有序特征值和特征向量。第五步：第五步：设定似然函数。设定似然函数。JJ JJ检验之一检验之一特征值轨迹检验特征值轨迹检验 服从Joha
38、nsen分布。被称为特征值轨迹统计量。，一直检验下去，直到出现第一个不显著的，一直检验下去，直到出现第一个不显著的(Mr)为止，说明存在为止，说明存在r个协整向量。这个协整向量。这r个协个协整向量就是对应于最大的整向量就是对应于最大的r个特征值的经过正个特征值的经过正规化的特征向量。规化的特征向量。JJ JJ检验之一检验之一最大特征值检验最大特征值检验 该统计量被称为最大特征值统计量。于是该检验被称为最大特征值检验。由 Johansen和Juselius于1990年计算得到 Johansen分布临界值表。JJJJ检验实例检验实例GDP、CONSR、CONSP、INV取对数后为取对数后为I(1)
39、序序列。即列。即lnGDP、lnCONSR、lnCONSP、lnINV。对它们之间的协整关系进行检验。对它们之间的协整关系进行检验。两种方法的结论是一致的。两种方法的结论是一致的。如何处理高阶单整序列？如何处理高阶单整序列？从理论上讲。从理论上讲。JJ JJ 检验只适用于多个检验只适用于多个1 1阶单整序列。阶单整序列。多个同阶高阶单整序列，差分为多个同阶高阶单整序列，差分为1 1阶后再检验，显阶后再检验，显然是可行的。然是可行的。但是意义发生变化但是意义发生变化。没有看到关于高阶多重协整检验的文献，难度太大。没有看到关于高阶多重协整检验的文献，难度太大。能否先检验，然后建立均衡方程，通过对误
40、差项的能否先检验，然后建立均衡方程，通过对误差项的单位根检验以判断发生何种协整？单位根检验以判断发生何种协整？未见经典未见经典。如何选择截距和时间趋势项？如何选择截距和时间趋势项？分别考虑分别考虑CE和和VAR中是否有截距和时间趋势中是否有截距和时间趋势项项作为假设作为假设显著性检验显著性检验重新检验重新检验对协整关系检验结果无显著影响（检验统计量对协整关系检验结果无显著影响（检验统计量发生变化，但临界值同时发生变化）发生变化，但临界值同时发生变化）如何在多个协整关系中作出选择？如何在多个协整关系中作出选择？一般选择对应于最大特征值的第一般选择对应于最大特征值的第1个协整关系个协整关系从应用的
41、目的出发选择从应用的目的出发选择四、误差修正模型四、误差修正模型Error Correction Model,ECM1 1、一般差分模型的问题、一般差分模型的问题对于非稳定时间序列，可通过差分的方法将其对于非稳定时间序列，可通过差分的方法将其化为稳定序列，然后才可建立经典的回归分析化为稳定序列，然后才可建立经典的回归分析模型。模型。模型只表达了模型只表达了X与与Y间的短期关间的短期关系，而没有揭示它们间的长期关系，而没有揭示它们间的长期关系系。关于变量水平值的重要信息关于变量水平值的重要信息将被忽略。将被忽略。误差项t不存在序列相关，t是一个一阶移动平均时间一阶移动平均时间序列序列，因而是序列
42、相关的。是序列相关的。2 2、误差修正模型、误差修正模型是一种具有特定形式的计量经济学模型，它的是一种具有特定形式的计量经济学模型，它的主要形式是由主要形式是由DavidsonDavidson、Hendry Hendry、SrbaSrba和和YeoYeo于于19781978年提出的，称为年提出的，称为DHSYDHSY模型。模型。由于现实经济中很少处在均衡点上，假设具有（1,1）阶分布滞后形式 Y Y的变化决定于的变化决定于X X的变化以及前一时期的非均衡的变化以及前一时期的非均衡程度程度。一阶误差修正模型一阶误差修正模型(first-order error correction model)的
43、形式：的形式：若若(t-1)(t-1)时刻时刻Y Y大于其长期均衡解大于其长期均衡解 0 0+1 1X X，ecmecm为正，则为正，则(-(-ecm)ecm)为负，使得为负，使得 Y Yt t减少；减少；若若(t-1)(t-1)时刻时刻Y Y小于其长期均衡解小于其长期均衡解 0 0+1 1X X ，ecmecm为负，为负，则则(-(-ecm)ecm)为正，使得为正，使得 Y Yt t增大。增大。体现了长期非均衡误差对短期变化的控制。体现了长期非均衡误差对短期变化的控制。复杂的复杂的ECM形式形式，例如：，例如：误差修正模型的优点：误差修正模型的优点：如：a）一阶差分项的使用消除了变量可能存在
44、的趋势因素，从而避免了虚假回归问题；b）一阶差分项的使用也消除模型可能存在的多重共线性问题；c）误差修正项的引入保证了变量水平值的信息没有被忽视；d）由于误差修正项本身的平稳性，使得该模型可以用经典的回归方法进行估计，尤其是模型中差分项可以使用通常的t检验与F检验来进行选取；等等。3 3、误差修正模型的建立、误差修正模型的建立Granger 表述定理表述定理（Granger representaion theorem）Engle 与与 Granger 1987年提出年提出 如果变量如果变量X X与与Y Y是协整的，则它们间的短期非均是协整的，则它们间的短期非均衡关系总能由一个误差修正模型表述。
45、衡关系总能由一个误差修正模型表述。模型中没有明确指出Y与X的滞后项数，可以是多阶滞后；由于一阶差分项是I(0)变量，因此模型中允许采用X的非滞后差分项Xt。建立误差修正模型建立误差修正模型，需要：首首先先对变量进行协整分析，以发现变量之间的协整关系，即长期均衡关系，并以这种关系构成误差修正项。然然后后建立短期模型，将误差修正项看作一个解释变量，连同其它反映短期波动的解释变量一起，建立短期模型，即误差修正模型。Engle-Granger两步法两步法 第第一一步步，进行协整回归（OLS法），检验变量间的协整关系，估计协整向量（长期均衡关系参数）；第第二二步步，若协整性存在，则以第一步求到的残差作为
46、非均衡误差项加入到误差修正模型中，并用OLS法估计相应参数。需需要要注注意意的的是是：在进行变量间的协整检验时，如有必要可在协整回归式中加入趋势项，这时，对残差项的稳定性检验就无须再设趋势项。另另外外，第二步中变量差分滞后项的多少，可以残差项序列是否存在自相关性来判断，如果存在自相关，则应加入变量差分的滞后项。经济理论指出，居民消费支出是其实际收入的函数。以中国国民核算中的居居民民消消费费支支出出经经过过居居民民消消费费价价格格指指数缩减得到中国居民实际消费支出时间序列（数缩减得到中国居民实际消费支出时间序列（C）；以支出法GDP对对居居民民消消费费价价格格指指数数缩缩减减近近似似地地代代表表
47、国国民民收入时间序列收入时间序列(GDP)。时间段为19782000（表9.3.3）例例 中国居民消费的误差修正模型 （1 1）对数据）对数据lnC与与lnGDP进行单整检验进行单整检验 容易验证lnC与lnGDP是一阶单整的，它们适合的检验模型如下：(3.81)（-4.01）（2.66）（2.26）（2.54）LM(1)=0.38 LM(2)=0.67 LM(3)=2.34 LM(4)=2.46 首先，建立首先，建立lnC与与lnGDP的回归模型的回归模型（2）检验）检验lnC与与lnGDP的协整性，并建立长期均衡关系的协整性，并建立长期均衡关系 （0.30）(57.48)R2=0.994
48、DW=0.744 发现有残关项有较强的一阶自相关性。考虑加入适当的滞后项，得lnC与lnGDP的分布滞后模型 (1.63)(6.62）（4.92）（-2.17）R2=0.994 DW=1.92 LM(1)=0.00 LM(2)=2.31自相关性消除，因此可初步认为是lnC与lnGDP的长期稳定关系。残差项的稳定性检验：残差项的稳定性检验：（-4.32）R2=0.994 DW=2.01 LM(1)=0.04 LM(2)=1.34 t=-4.32-3.64=ADF0.05 说明lnC与lnGDP是（1，1）阶协整的，下式即为它们长期稳定的均衡关系:以稳定的时间序列（3）建立误差修正模型）建立误差修
49、正模型 做为误差修正项，可建立如下误差修正模型误差修正模型:（6.96）(2.96)(-1.91)(-3.15)R2=0.994 DW=2.06 LM(1)=0.70 LM(2)=2.04由式 可得lnC关于lnGDP的长期弹性：(0.698-0.361)/(1-0.622)=0.892；由（*）式可得lnC关于lnGDP的短期弹性：0.686(*)用打开误差修正项括号的方法直接估计误差修正模型打开误差修正项括号的方法直接估计误差修正模型，适当估计式为:（1.63）(6.62）(-2.99)(2.88)R2=0.791 =0.0064 DW=1.93 LM(2)=2.31 LM(3)=2.78
50、 写成误差修正模型的形式如下 由上式知，lnC关于lnGDP的短期弹性为0.698，长期弹性为0.892。可见两种方法的结果非常接近两种方法的结果非常接近。（4）预测）预测由式给出1998年关于长期均衡点的偏差：=ln(18230)-0.152-0.698ln(39008)-0.662ln(17072)+0.361ln(36684)=0.0125 由式预测1999年的短期波动：lnC99=0.686(ln(41400)-ln(39008)+0.784(ln(18230)-ln(17072)-0.484(ln(39008)-ln(36684)-1.1630.0125=0.048于是 按照式预测的