第六章协整与误差修正模型3VIP免费

协整与误差修正模型一、长期均衡关系与协整二、协整检验三、误差修正模型一、长期均衡关系与协整0、问题的提出•经典回归模型（classicalregressionmodel）是建立在稳定数据变量基础上的，对于非稳定变量，不能使用经典回归模型，否则会出现虚假回归等诸多问题。•由于许多经济变量是非稳定的，这就给经典的回归分析方法带来了很大限制。•但是，如果变量之间有着长期的稳定关系，即它们之间是协整的（cointegration)，则是可以使用经典回归模型方法建立回归模型的。•例如，中国居民人均消费水平与人均GDP变量的例子中：因果关系回归模型要比ARMA模型有更好的预测功能，其原因在于，从经济理论上说，人均GDP决定着居民人均消费水平，而且它们之间有着长期的稳定关系，即它们之间是协整的（cointegration）。经济理论指出，某些经济变量间确实存在着长期均衡关系，这种均衡关系意味着经济系统不存在破坏均衡的内在机制，如果变量在某时期受到干扰后偏离其长期均衡点，则均衡机制将会在下一期进行调整以使其重新回到均衡状态。假设X与Y间的长期“均衡关系”由式描述1、长期均衡tttXY10式中:t是随机扰动项。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t-1期末，存在下述三种情形之一：（1）Y等于它的均衡值：Yt-1=0+1Xt；（2）Y小于它的均衡值：Yt-1<0+1Xt；（3）Y大于它的均衡值：Yt-1>0+1Xt；在时期t，假设X有一个变化量Xt，如果变量X与Y在时期t与t-1末期仍满足它们间的长期均衡关系，则Y的相应变化量由式给出:tttvXY1式中，vt=t-t-1。实际情况往往并非如此如果t-1期末，发生了上述第二种情况，即Y的值小于其均衡值，则Y的变化往往会比第一种情形下Y的变化Yt大一些；反之，如果Y的值大于其均衡值，则Y的变化往往会小于第一种情形下的Yt。可见，如果Yt=0+1Xt+t正确地提示了X与Y间的长期稳定的“均衡关系”，则意味着Y对其均衡点的偏离从本质上说是“临时性”的。因此，一个重要的假设就是:随机扰动项t必须是平稳序列。显然，如果t有随机性趋势（上升或下降），则会导致Y对其均衡点的任何偏离都会被长期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均衡误差（disequilibriumerror），它是变量X与Y的一个线性组合：tttXY10(*)因此，如果Yt=0+1Xt+t式所示的X与Y间的长期均衡关系正确的话，（*）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，即是具有0均值的I(0)序列。从这里已看到，非稳定的时间序列，它们的线性组合也可能成为平稳的。例如：假设Yt=0+1Xt+t式中的X与Y是I(1)序列，如果该式所表述的它们间的长期均衡关系成立的话，则意味着由非均衡误差（*）式给出的线性组合是I(0)序列。这时我们称变量X与Y是协整的（cointegrated）。如果序列{X1t,X2t,…,Xkt}都是d阶单整，存在向量=(1,2,…,k)，使得Zt=XT~I(d-b)其中，b>0，X=(X1t,X2t,…,Xkt)T，则认为序列{X1t,X2t,…,Xkt}是(d,b)阶协整，记为Xt~CI(d,b)，为协整向量（cointegratedvector）。⒉协整在中国居民人均消费与人均GDP的例中，该两序列都是2阶单整序列，而且可以证明它们有一个线性组合构成的新序列为0阶单整序列，于是认为该两序列是(2,2)阶协整。由此可见: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不相同，就不可能协整。•从这里，我们已经初步认识到：检验变量之间的协整关系，在建立计量经济学模型中是非常重要的。而且，从变量之间是否具有协整关系出发选择模型的变量，其数据基础是牢固的，其统计性质是优良的。二、协整检验1、两变量的Engle-Granger检验为了检验两变量Yt,Xt是否为协整，Engle和Granger于1987年提出两步检验法，也称为EG检验。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：tttttYYeXYˆˆˆˆˆ10称为协整回归(cointegrating)或静态回归(staticregression)。第二步，检验et的单整性。如果et为稳定序列，则认为变量YXtt,为(1,1)阶协整；如...