1 *第十章 时间序列计量经济模型1 引子: 是真回归还是伪回归？ 在经典的回归分析中，通常的做法是：首先采用普通最小二乘法（OLS）对回归模型进行估计，然后根据可决系数 R2或 F检验统计量值的大小来判定变量之间的相依程度，根据回归系数估计值的 t统计量对系数的显著性进行判断，最后在回归系数显著不为零的基础上对回归系数估计值给予经济解释。 为了分析美国的个人可支配总收入(I)与个人消费总支出(E)的关系，遵照以上作法，收集了 1970年至 1991年的季度时间序列数据，用 OLS法作 E关于 I的线性回归，得到如下结果： ttIE9672.04412.171 t=（-7.4809） (119.8711) 5316.09940.02DWR 从回归结果来看，2R 非常高，个人可支配总收入 I的回归系数 t统计量也非常大，边际消费倾向符合经济假设。 (资料来源：古扎拉蒂《计量经济学》下册,第 719页,中国人民大学出版社) 凭借经验判断，这个模型的设定是好的，所用数据也是可靠的，样本容量很充分，这应是满意的结果。准备将这个计量结果用于经济结构分析和经济预测。 可是有人提出，这个回归结果可能是虚假的！可能只不过是一种“伪回归”！如果真是这样，将所估计的模型直接用于经济结构分析和预测，“就要千万小心!“。 这里用时间序列数据进行的回归，究竟是真回归还是伪回归呢？为什么模型、样本、数据、检验结果都很理想，却可能得到“伪回归”的结果呢？ 时间序列数据被广泛地运用于计量经济研究。经典时间序列分析和回归分析有许多假定前提，如序列的平稳性、正态性等,，如果直接将经济变量的时间序列数据用于建模分析，实际上隐含了这些假定。在这些假定成立的条件下，进行的t、F、2等检验才具有较高的 1 本章内容本科教学供选择 2 可靠度。但是，越来越多的经验证据表明，经济分析中所涉及的大多数时间序列是非平稳的。那末，如果直接将非平稳时间序列当作平稳时间序列来进行分析，会造成什么不良后果？如何判断一个时间序列是否为平稳序列？当我们在计量经济分析中涉及到非平稳时间序列时，应作如何处理呢？这就是本章要讨论的基本内容。 第一节 时间序列计量经济分析的基本概念 一、伪回归问题 经典计量经济学建模过程中，通常假定经济时间序列是平稳的，而且主要以某种经济理论或对某种经济行为的认识来确立计量经济模型的理论关系形式，借此形式进行数据收集、参数估计以及模型检验，这是 20 世纪 70 年代以前计量经济学的主导方法...
