ECM误差修正模型

SC信息准则


SC值最小 SC信息准则，又称施瓦兹准则，即 Schwarz Criterion 其检验思想也是通过比较不同分布滞后模 型的拟合优度来确定合适的滞后期长度。 检验过程是：在模型中逐期添加滞后变量 ，直到SC值不再降低时为止，即选择使SC 值达到最小的滞后期k。


AIC最小原则是判定模型好坏标准之一， 犹如R2（R平方）一样。 AIC和SC(舒瓦茨 信息）常常一并作为判断模型拟合程度的 标准之一，特别是在滞后阶数的选择上。 比如，一个VAR（向量自回归模型），经 济理论往往无法确定滞后阶数，这时往往 采用AIC或者SC最小原则，即观察不同的 阶数的VAR模型，哪个模型的AIC或者SC 值最小就选用哪个模型进行分析。 AIC、 SC都会在模型参数中给出。


步骤2： 对方程进行回归 Yt 0 1 X t t 得出残差项 步骤3：对残差项进行单位根检验，
t t 1 i t 1 et
i 1 m

若原假设 0 成立，说明残差不平稳，即为 I(1);若残差项平稳（即为0阶单整），则两变 量之间存在协整关系（即长期稳定的某种关 系）。
确定序列具有单位根的阶数
ADF检验形式的选择
操作：数据（gini2，lnpergdp）

第一步：输入变量（略） 打开序列，点击Quick---Estimate Equation 对变量 gini gini(-1) c t进行自回归
目的：查看常数项和时间趋势项是否显著

第二步：上图结果显示常数项显著，因 此对原始数据单位根检验中同时加入常 数项


同理，相同的过程处理序列GDP 原始数据ADF检验

Stata误差修正模型命令简介误差修正模型（Error Correction Model，ECM）是一种用于描述时间序列数据之间长期和短期关系的经济模型。

它是自回归移动平均模型（ARMA）和协整关系的结合，可以用于分析变量之间的长期均衡关系和短期调整速度。

Stata是一款功能强大的统计分析软件，提供了许多用于估计和分析误差修正模型的命令。

本文将介绍Stata中常用的误差修正模型命令及其使用方法。

命令介绍vecintrovecintro命令用于估计向量自回归（Vector Autoregression，VAR）模型，并进行协整检验。

在估计VAR之前，我们需要先检验变量之间是否存在协整关系。

vecintro命令可以帮助我们进行协整检验并选择适当的滞后阶数。

使用示例：vecintro y x1 x2, lags(1/4)其中，y表示因变量，x1和x2表示自变量。

lags(1/4)表示选择滞后阶数为1至4。

vecrankvecrank命令用于估计向量错误修正模型（Vector Error Correction Model，VECM）。

VECM是一种描述协整关系和短期调整速度的模型。

使用示例：vecrank y x1 x2, lags(1/4) rank(2)其中，y表示因变量，x1和x2表示自变量。

lags(1/4)表示选择滞后阶数为1至4，rank(2)表示选择协整关系的阶数为2。

vecvec命令用于估计向量错误修正模型，并进行残差诊断和模型拟合优度检验。

使用示例：vec y x1 x2, lags(1/4) rank(2)其中，y表示因变量，x1和x2表示自变量。

lags(1/4)表示选择滞后阶数为1至4，rank(2)表示选择协整关系的阶数为2。

常用参数lags在估计误差修正模型时，我们需要选择合适的滞后阶数。

Stata中的误差修正模型命令通常都提供了lags参数来指定滞后阶数范围。

使用示例：vec y x, lags(1/4)上述示例中的lags参数指定了滞后阶数范围为1至4。

Error Correction Model 用EVIEWS怎么做一、利用EG两步法做协整检验。

在两个变量情况下（设为Y、X），包括两序列单整检验、两变量最小二乘法回归并得到残差序列并命名为e、对e作单位根检验。

二、在证明Y、X两序列间存在协整后，才可以建立ECM。

其中，误差修正项ecm的值就是之前的回归模型的残差序列e。

三、直接输入以下命令：ls y c y(-1) x x(-1)得到的估计结果在实际预测时比较方便，不过需要计算得到ecm项的系数。

四、也可以直接输入以下命令：ls y c x e(-1)其中，e(-1)项的系数就是ecm项的系数。

这个模型的优点是直观，但是不便于预测。

五、两种估计是等价的。

六、建议参考阅读易丹辉：《数据分析与EViews应用》，中国统计出版社2002年版。

（也许有新版也不一定）对于误差修正模型，需要先建立一个模型，然后进行回归分析，分析它的短期均衡关系。

操作：举个例子说，比如试图建立y对y(-1)和x的误差修正模型。

STEP1 建立长期关系ls y c y(-1) xSTEP2 对残差进行单位根检验来检验协整关系ecm=residuroot(10,h) ecmSTEP3 建立误差修正模型ls d(y) c d(y(-1)) d(x) ecm(-1)教程：案例1上面的分析可以证明序列lconsume、lincome及lconsme(-1)之间存在协整关系，故可以建立ecm（误差修正模型）。

先分别对序列lconsume、lincome及lconsme(-1)进行一阶差分,然后对误差修正模型进行估计。

在主窗口命令行中输入：ls d(lconsume) c d(lincome) d(lconsume(-1)) ecm(-1)此时的常数项系数不明显，我们去掉常数项后再进行回归，结果如下图8.6所示图8.6从上式可以看出上式中的T检验值均显著，误差修正项的系数为-0.252,这说明长期均衡对短期波动的影响不大。

实验报告（二）——误差修正模型(ECM)的建立与分析一、单位根检验：1、绘制cons与GDP的时间序列图：从时间序列图中可以看出，cons与GDP随时间增加都呈上升趋势，表现出非平稳性。

2、对cons进行单位根检验：先选择对原序列（level）进行单位根检验，根据cons与GDP的时间序列图的走势，选择trend and intercept的检验方法，在maximum lags中填写ADF 检验方法的滞后期为0，从上表中可以看出，P值为0.9888，大于0.05的显著性水平，说明原序列是非平稳的。

选择cons的一阶差分（1st）和trend and intercept,从上表中可以看出，经过一阶差分后，P值（=0.5099）仍然没有通过0.05的置信水平检验，说明是不平稳的，需要继续改进。

再试用ADF检验，在滞后期（maximum lags）中填入8，选择一阶差分和trend and intercept，得出上表，可以看出P值=0.0801，大于0.05，没有通过0.05的置信水平检验，说明是不平稳的，需要继续改进。

再试用ADF检验，在滞后期（maximum lags）中填入6，选择二阶差分和trend and intercept，得出上表，可以看出P值=0.0137，小于0.05，通过0.05的置信水平检验，说明是平稳的。

3、对GDP进行单位根检验：先选择对原序列（level）进行单位根检验，根据cons与GDP的时间序列图的走势，选择trend and intercept的检验方法，在maximum lags中填写ADF 检验方法的滞后期为0，从上表中可以看出，P值为1.0000，大于0.05的显著性水平，说明原序列是非平稳的。

选择GDP的一阶差分（1st）和trend and intercept,从上表中可以看出，经过一阶差分后，P值（=0.5574）仍然没有通过0.05的置信水平检验，说明是不平稳的，需要继续改进。

现在的问题是：何原因造成的残差序列自相关？ 首先，模型没问题，因散点图呈线性关系。 其次，遗漏重要解释变量了吗？需要考虑政策变量吗？ 再次，是滞后性吗？需要考虑前期收入对即期消费的影响吗？ 有人做过研究：如用年度数据，发现前期收入比当期收入对消费的 影响都大。 最后，看时序图：
不难看出：x和y有明显共同趋势，需检验是否存在协整关系。 下面我们用EG两步法： 第一步：构建协整回归（见前） 第二步：对e做单位根检验 定义：genr e=y-yf，对e做单位根检验：
第4 讲
一、协整关系
协整与误差修正模型(ECM)
协整模型常用在经济学领域分析相关变量的长期均衡关系，也常 被用来分析金融中的套利等。自从20世纪90年代以来，国际著名杂志 发表了大量的相关文章。 协整分析是基于非平稳序列基础之上，而利用非平稳序列进行回 归，经常出现伪回归。而另一种情况却是更有应用价值的协整关系。
对二者取自然对数后进行单位根检验，发现在10%的水平下都不能拒 绝变量含有单位根。
如果暂时忽略非平稳性，直接设立以下回归方程，即 cont=c+βinct+et
回归后得：cont=−0.167+1.008inct
R2=0.998，且各系数也具有统计显著性。 试问：是不是伪回归呢？
为此，考察：et=cont − c − βinct
1 3 y x 是误差修正项，即（1） 可见（3）即为ECM模型，其中 (1 2 ) 中ecm 。
如果 xt 和 yt 间存在长期均衡关系，即 y ax ，则上述（3）式中 的ecm 正好可以改写成： 1 3
y
(1 2 )
x
可见，短期波动 yt 的影响因素有二：
第二步：做回归 （1）建立回归方程

总结词
单方程误差修正模型是针对单个经济变量进行建模的方法，主要目的是检验和估计长期均衡关系及其短期调整机 制。
详细描述
单方程误差修正模型基于经济理论，通过一个经济变量对它的长期均衡关系及其短期调整机制进行建模。它通常 采用一阶差分法或协整法来处理非平稳时间序列数据，以识别和估计变量的长期均衡关系及其短期调整机制。
通常用长期均衡方程来描述。
在长期均衡方程中，变量的系数 映了其在长期均衡关系中的贡
献程度。
长期均衡关系通常是在市场机制 的作用下，通过供求关系自发调
节而形成的。
短期调整机制
短期调整机制是指当经济变量受到外 部冲击或其他因素的影响，导致其偏 离长期均衡状态时，系统会自动调整 以重新回到均衡状态的过程。
与
06
误差修正模型在经济学中的地位与作用
经济学的核心工具
误差修正模型（ECM）是现代经 济学中用于研究长期均衡关系和 短期调整机制的重要工具，尤其 在宏观和微观经济学中占据核心 地位。
揭示经济规律
通过ECM，研究者可以深入探究 经济变量之间的内在关系，揭示 其背后的经济规律和动态机制， 为政策制定提供科学依据。
外汇市场汇率调整的误差修正模型
总结词
该模型用于研究外汇市场汇率的调整机制， 通过分析汇率的短期波动和长期均衡趋势来 预测汇率变化。
详细描述
外汇市场汇率调整的误差修正模型关注汇率 的动态变化，并考虑国内外经济基本面的差 异对汇率的影响。它利用误差项来衡量短期 非均衡程度，并通过调整机制预测长期均衡 汇率的回归，有助于分析汇率的稳定性和波 动性。
短期调整机制通常是通过误差修正机 制来实现的，即系统会根据误差的大 小和方向，自动调整变量的取值，以 使其重新回到长期均衡状态。

实验八：协整关系检验与误差修正模型（ECM）new实验八：协整关系检验与误差修正模型（ECM）一、实验目的通过上机实验,使学生加深对时间序列之间协整关系的理解，能够运用Eviews 软件检验时间序列数据之间的协整关系并以此估计误差修正模型（ECM）。

二、预备知识（1）用EViews估计线性回归模型的基本操作；（2）时间序列数据的协整关系及其检验方法；（3）误差修正模型的结构及估计方法。

三、实验内容（1）用EViews检验两个时间序列数据的协整关系；（2）用EViews估计误差修正模型；四、实验步骤（一）、建立工作文件sy8.wf1及导入数据打开sy8.xls文件，运用前面学过的方法，在EViews新建一个工作文件sy8.wf1，把sy8.xls的数据导入到EViews，并根据得到人均消费（consp）和人均GDP（gdpp）两个序列，分别计算对应的自然对数，即lnc=log(consp)、lngdp=log(gdpp)。

（二）、分别检验序列lnc和lngdp的单整阶数。

运用图示法观察序列的时间路径图，如图8-1所示。

可见，lnc和lngdp都随时间不断上升，表明两者都是非平稳的。

（再运用自相关函数法，判断lnc 的平稳性。

打开lnc 序列的窗口，点击view\Correlogram ，设定滞后阶数为12，可得样本自相关系数图，操作和结果分别如图8-2和图8-3所示。

可见，lnc 是非平稳的。

再分析lnc 的一阶差分是否平稳。

在自相关函数图中，设定显示序列的一阶差分（1st differenc ）后，再观察其样本自相关函数图，设定和结果如图8-4和图8-5所示。

可见，lnc 取一阶差分后就达到平稳，因此，lnc 是一阶单整序列，即I(1)序列。

如果采用单位根检验，结果相同。

同理，也可检验得到lngdp 序列是I(1)序列。

（三）运用Engle-Granger 方法（即EG 检验）检验consp 与gdpp 的协整关系。

r语言ecm模型R语言ECM模型：时间序列分析中的必备工具引言时间序列分析是经济学、金融学、统计学等领域中常用的一种分析方法，通过对一系列按时间顺序排列的数据进行分析，揭示出数据中的趋势、周期性和随机性等重要特征。

在时间序列分析中，误差修正模型（Error Correction Model，ECM）是一种非常常用且有效的模型。

本文将介绍R 语言中的ECM模型，从安装R软件到具体应用，逐步介绍ECM模型的原理和使用方法。

一、安装R软件R语言是一种开源的统计计算和图形化编程语言，它提供了丰富的数据分析和统计建模功能，被广泛应用于学术研究和工业界。

R语言的优点在于它具有强大的社区支持和丰富的扩展包，可以满足不同领域、不同需求的数据分析任务。

要使用R语言进行ECM模型的分析，首先需要安装R软件。

在官网（二、载入数据在使用ECM模型前，首先需要准备好要分析的时间序列数据。

R语言提供了丰富的数据获取和导入方法，可以从本地文件、网络数据源等获取数据，并将数据导入到R的工作环境中进行分析和建模。

以一个简单的例子为例，假设我们想分析某公司每月销售额的变化。

我们已经准备好了一份名为“sales.csv”的数据文件，其中包含两列数据，分别是日期和销售额。

首先，我们需要将这个数据文件导入到R中进行分析。

使用如下代码将数据文件读取到R的工作环境中：Rsales <- read.csv("sales.csv")销售数据现在存储在一个名为“sales”的数据框中，我们可以使用该数据框进行后续的分析。

三、数据预处理在进行ECM模型的建模前，我们通常需要对原始数据进行预处理。

这包括数据清洗、缺失值处理、时序特性检验等步骤，以确保数据的准确性和可靠性。

1. 数据清洗在进行数据清洗时，我们需要检查数据是否存在异常值、重复值等问题，并进行相应的处理或修正。

R语言提供了强大的数据操作和处理函数，可以快速、高效地对数据进行清洗。

误差修正模型（Error Correction Model，ECM）第二节 误差修正模型（Error Correction Model ，ECM ）一、误差修正模型的构造对于y t 的(1，1)阶自回归分布滞后模型：t t t t t y x x y εβββα++++=--12110在模型两端同时减y t-1，在模型右端10-±t x β，得：tt t t t t t t tt t t t x y x x y x y x x y εααγβεββββαββεββββα+--+∆=+---+--+∆=+-+++∆+=∆------)(])1()1()[1()1()(1101012120120121100其中，12-=βγ，)1/()(200ββαα-+=，)1/(211ββα-=。

记 11011-----=t t t x y ecm αα （5-5） 则 t t t t ecm x y εγβ++∆=∆-10 （5-6） 称模型（5-6）为“误差修正模型”，简称ECM 。

二、误差修正模型的含义如果y t ~ I(1)，x t ~ I(1)，则模型（5-6）左端)0(~I y t ∆，右端)0(~I x t ∆，所以只有当y t 和x t 协整、即y t 和x t 之间存在长期均衡关系时，式（5-5）中的ecm~I(0)，模型（5-6）两端的平稳性才会相同。

当y t 和x t 协整时，设协整回归方程为：t t t x y εαα++=10它反映了y t 与x t 的长期均衡关系，所以称式（5-5）中的ecm t -1是前一期的“非均衡误差”，称误差修正模型（5-6）中的1-t ecm γ是误差修正项，12-=βγ是修正系数，由于通常1||2<β，这样0<γ；当ecm t -1 >0时（即出现正误差），误差修正项1-t ecm γ< 0，而ecm t -1 < 0时（即出现负误差），1-t ecm γ> 0，两者的方向恰好相反，所以，误差修正是一个反向调整过程（负反馈机制）。

第二节 误差修正模型（Error Correction Model ，ECM ） 一、误差修正模型的构造 对于y t 的(1，1)阶自回归分布滞后模型：t t t t t y x x y εβββα++++=--12110在模型两端同时减y t-1，在模型右端10-±t x β，得：tt t t t t t t tt t t t x y x x y x y x x y εααγβεββββαββεββββα+--+∆=+---+--+∆=+-+++∆+=∆------)(])1()1()[1()1()(1101012120120121100其中，12-=βγ，)1/()(200ββαα-+=，)1/(211ββα-=。

记 11011-----=t t t x y ecm αα （5-5）则 t t t t ecm x y εγβ++∆=∆-10 （5-6） 称模型（5-6）为“误差修正模型”，简称ECM 。

二、误差修正模型的含义如果y t ~ I(1)，x t ~ I(1)，则模型（5-6）左端)0(~I y t ∆，右端)0(~I x t ∆，所以只有当y t 和x t 协整、即y t 和x t 之间存在长期均衡关系时，式（5-5）中的ecm~I(0)，模型（5-6）两端的平稳性才会相同。

当y t 和x t 协整时，设协整回归方程为：t t t x y εαα++=10它反映了y t 与x t 的长期均衡关系，所以称式（5-5）中的ecm t -1是前一期的“非均衡误差”，称误差修正模型（5-6）中的1-t ecm γ是误差修正项，12-=βγ是修正系数，由于通常1||2<β，这样0<γ；当ecm t -1 >0时（即出现正误差），误差修正项1-t ecm γ< 0，而ecm t -1 < 0时（即出现负误差），1-t ecm γ> 0，两者的方向恰好相反，所以，误差修正是一个反向调整过程（负反馈机制）。

什么是误差修正模型（ECM）如何建立和估计ECM模型误差修正模型（Error Correction Model, ECM）是一种用于揭示时间序列数据中长期和短期关系的统计模型。

它是基于协整理论（Cointegration Theory）的发展而来，用于处理非平稳时间序列数据的建模和分析。

本文将介绍误差修正模型的基本概念、建立方法以及估计过程。

一、误差修正模型的基本概念误差修正模型是基于向量自回归模型（Vector Autoregressive Model, VAR）的延伸，用于描述经济系统中变量之间的动态关系。

它的核心思想是变量之间存在长期均衡关系，并且当系统偏离均衡状态时，会通过误差修正机制迅速回归到均衡。

在误差修正模型中，被解释变量（因变量）的变化量由其自身的滞后项、其他变量的滞后项和误差修正项来决定。

其中，误差修正项是系统偏离均衡状态的驱动力，它通过反映系统失衡的程度来进行调整，促使系统回归到长期均衡。

因此，误差修正模型可以同时捕捉长期和短期的关系，具有强大的解释和预测能力。

二、建立误差修正模型的方法建立误差修正模型主要包括两个步骤：协整关系检验和模型参数估计。

1. 协整关系检验协整关系检验是判断变量之间是否存在长期均衡关系的重要步骤。

常用的协整关系检验方法包括ADF检验（Augmented Dickey-Fuller test）、PP检验（Phillips-Perron test）等。

这些检验方法可以判断变量是否为非平稳的单整序列，以及变量之间是否存在稳定的线性关系。

2. 模型参数估计在进行误差修正模型参数估计之前，需要确定模型的滞后阶数（Lag Order）。

滞后阶数的选择可以通过信息准则（如AIC、BIC等）来确定，准则值较小的滞后阶数会得到更好的模型拟合效果。

模型参数估计可以使用最小二乘法（Ordinary Least Squares, OLS）或极大似然估计法（Maximum Likelihood Estimation, MLE）进行。

时间序列的协整检验与误差修正模型讲义时间序列的协整检验与误差修正模型是在经济学和金融学中广泛使用的方法，用于分析两个或多个变量之间的长期稳定关系。

本讲义将介绍协整检验的基本概念和步骤，并讨论误差修正模型的理论背景和实际应用。

一、协整检验1. 概念与原理协整是指两个或多个变量之间存在长期稳定的关系，即它们的线性组合是平稳的。

协整关系可以用来解释一个变量对另一个变量的影响，并提供长期均衡关系的信息。

协整检验的基本原理是利用单位根检验方法，测试变量是否存在单位根（非平稳性）。

如果变量存在单位根，则它们是非平稳的；如果变量不存在单位根，则它们是平稳的。

如果变量之间存在协整关系，它们的线性组合将是平稳的。

2. 协整检验的步骤协整检验的一般步骤如下：- 收集数据并绘制时间序列图，观察变量之间的趋势和关系；- 进行单位根检验，常用的方法包括ADF检验、Phillips-Perron检验等；- 如果变量存在单位根，则进行差分，直到变量变为平稳的；- 应用最小二乘法等方法，估计协整关系方程；- 进行残差平稳性检验，确保协整关系的合理性；- 如果协整关系存在，可以进行模型的进一步分析与应用。

二、误差修正模型（Error Correction Model, ECM）1. 概念与原理误差修正模型是一种动态模型，用于解释协整关系的调整速度和误差纠正机制。

在误差修正模型中，除了协整关系的线性组合外，还引入了误差修正项，用于捕捉变量之间的短期非平衡关系。

误差修正项反映了系统离开长期均衡后的调整速度，通过估计误差修正项的系数，可以判断系统是否有趋向于均衡的能力。

当误差修正项的系数为负数且显著时，表示系统具有自我修复的能力；当系数为零时，表示系统处于长期均衡状态；当系数为正数时，表示系统趋向于进一步偏离均衡。

2. ECM模型的应用误差修正模型可以用于解释和预测时间序列数据的长期和短期动态变化。

它在经济学和金融学中有广泛的应用，如货币供给与通货膨胀、利率与消费支出、汇率与经济增长等领域。

计量经济学中的错误修正模型计量经济学是应用了数学和统计学方法的经济学。

错误修正模型（ECM）是计量经济学中的一种方法，常被用来解释因果关系，尤其在时间序列数据分析中应用广泛。

本文将介绍错误修正模型的基本概念、应用、限制以及未来的研究方向。

一、基本概念错误修正模型（ECM）是一种时间序列数据分析的方法，通常应用于探索两个或多个变量之间的因果关系。

它可以解决回归分析中存在的自相关性问题，即误差项之间存在的序列相关性。

ECM模型能够确定一个或多个变量之间的长期均衡关系以及该关系的调整速度。

在经济学中，ECM经常用于研究商品市场或金融市场中的价格调整机制，并为政策制定者提供决策依据。

二、应用ECM模型在许多领域都有应用。

例如，它被广泛用于研究股票价格行为、货币政策分析、荒漠化监测、气候变化研究和宏观经济分析等。

在金融领域，ECM模型通常用于预测股票价格、汇率和利率的波动。

在货币政策分析方面，ECM模型可以为中央银行提供政策制定决策所需的信息。

在环境领域，ECM模型可用于气候变化和水资源管理。

在宏观经济分析中，ECM模型可以用于研究国家之间的贸易关系和经济增长。

三、限制虽然ECM模型具有广泛的应用，但它也存在一些限制。

首先，ECM模型缺乏检测因果关系的方法，它只能表明变量之间存在的相互作用。

其次，ECM模型中，各变量必须满足多元正态分布、方差齐性、不相关和恒定等假设条件。

这意味着模型并不总是适用于所有数据。

加之，ECM模型中，数据的选择和样本大小会影响到模型的准确性。

因此，在使用ECM模型时，需要对数据的选择和准备进行特别关注。

四、未来的研究方向未来的研究方向主要是解决ECM模型在实际应用中的一些问题。

例如，在应用ECM模型时，经常会遇到缺失数据和离群值的情况。

针对这个问题，可以采取建立新的模型或使用其他技术来修正数据的缺失值和离群值。

此外，ECM模型还可以与其他模型进行整合，以进一步提高其准确性。

例如，可以将ECM模型与人工神经网络模型相结合，以提高预测效果。

协整与误差修正模型在处理时间序列数据时，我们还得考虑序列的平稳性。

如果一个时间序列的均值或自协方差函数随时间而改变，那么该序列就是非平稳的。

对于非平稳的数据，采用传统的估计方法，可能会导致错误的推断，即伪回归。

若非平稳序列经过一阶差分变为平稳序列，那么该序列就为一阶单整序列。

对一组非平稳但具有同阶的序列而言，若它们的线性组合为平稳序列，则称该组合序列具有协整关系。

对具有协整关系的序列，我们算出误差修正项，并将误差修正项的滞后一期看做一个解释变量，连同其他反映短期波动关系的变量一起。

建立误差修正模型。

建立误差修正模型的步骤如下：首先，对单个序列进行单根检验，进行单根检验有两种：ADF（Augument Dickey-Fuller）和DF(Dickey-Fuller)检验法。

若序列都是同阶单整，我们就可以对其进行协整分析。

在此我们只介绍单个方程的检验方法。

对于多向量的检验参见Johensen协整检验。

我们可以先求出误差项，再建立误差修正模型，也可以先求出向量误差修正模型，然后算出误差修正项。

补充一点的是，误差修正模型反映的是变量短期的相互关系，而误差修正项反映出变量长期的关系。

下面我们给出案例分析。

案例分析在此，我们考虑从1978年到2002年城镇居民的人均可支配收入income与人均消费水平consume的关系，数据来自于《中国统计年鉴》，如表8.1所示。

根据相对收入假设理论，在一定时期，人们的当期的消费水平不仅与当期的可支配收入、而且受前期的消费水平的影响，具有一定的消费惯性，这就是消费的棘轮效应。

从这个理论出发，我们可以建立如下（8.1）式的模型。

同时根据生命周期假设理论，消费者的消费不仅与当期收入有关，同时也受过去各项的收入以及对将来预期收入的限制和影响。

从我们下面的数据分析中，我们可以把相对收入假设理论与生命周期假设理论联系起来，推出如下的结果：当期的消费水平不仅与当期的可支配收入有关，而且还与前期的可支配收入、前两期的消费水平有关。

协整与误差修正模型在处理时间序列数据时，我们还得考虑序列的平稳性.如果一个时间序列的均值或自协方差函数随时间而改变，那么该序列就是非平稳的。

对于非平稳的数据，采用传统的估计方法，可能会导致错误的推断，即伪回归。

若非平稳序列经过一阶差分变为平稳序列，那么该序列就为一阶单整序列。

对一组非平稳但具有同阶的序列而言，若它们的线性组合为平稳序列,则称该组合序列具有协整关系。

对具有协整关系的序列，我们算出误差修正项,并将误差修正项的滞后一期看做一个解释变量，连同其他反映短期波动关系的变量一起.建立误差修正模型。

建立误差修正模型的步骤如下：首先，对单个序列进行单根检验，进行单根检验有两种：ADF （Augument Dickey —Fuller ）和DF(Dickey-Fuller)检验法.若序列都是同阶单整,我们就可以对其进行协整分析.在此我们只介绍单个方程的检验方法。

对于多向量的检验参见Johensen 协整检验。

我们可以先求出误差项,再建立误差修正模型，也可以先求出向量误差修正模型，然后算出误差修正项。

补充一点的是，误差修正模型反映的是变量短期的相互关系，而误差修正项反映出变量长期的关系。

下面我们给出案例分析.案例分析在此，我们考虑从1978年到2002年城镇居民的人均可支配收入income 与人均消费水平consume 的关系,数据来自于《中国统计年鉴》，如表8.1所示.根据相对收入假设理论,在一定时期，人们的当期的消费水平不仅与当期的可支配收入、而且受前期的消费水平的影响，具有一定的消费惯性,这就是消费的棘轮效应。

从这个理论出发,我们可以建立如下（8.1）式的模型。

同时根据生命周期假设理论，消费者的消费不仅与当期收入有关,同时也受过去各项的收入以及对将来预期收入的限制和影响。

从我们下面的数据分析中，我们可以把相对收入假设理论与生命周期假设理论联系起来,推出如下的结果：当期的消费水平不仅与当期的可支配收入有关,而且还与前期的可支配收入、前两期的消费水平有关。

m
得残差平方和ESSR
ESSR - ESSUR m F= ~ F (m, n - k ) ESSUR n-k
n为观测个数 k为无限制条件回归 待估参数个数
如果:F>Fa(m,n-k) ，则拒绝原假设，认为X是Y的格兰杰原 因。
PDF 文件使用 "pdfFactory" 试用版本创建 èìì
PDF 文件使用 "pdfFactory" 试用版本创建 ÿ
例如：检验M2与GDP之间的因果关系
PDF 文件使用 "pdfFactory" 试用版本创建 ÿ
PDF 文件使用 "pdfFactory" 试用版本创建
对两变量Y与X，格兰杰因果关系检验要求估计:
Yt = å a i X t -i + å b i Yt -i + m1t
i =1 i =1
m
m

m
(*) (**)
X t = å li Yt -i + å d i X t -i + m 2t
i =1 i =1
m
可能存在有四种检验结果： （1）X对Y有单向影响，表现为（*）式X各滞后项前的参数整体为 零，而Y各滞后项前的参数整体不为零； （2）Y对X有单向影响，表现为（**）式Y各滞后项前的参数整体为 零，而X各滞后项前的参数整体不为零； （3）Y与X间存在双向影响，表现为Y与X各滞后项前的参数整体不为 零； （4）Y与X间不存在影响，表现为Y与X各滞后项前的参数整体为零。
(*)
引入三阶滞后项的误差修正模型与（*）式相仿，只 不过模型中多出差分滞后项DYt-2，DXt-2，。
PDF 文件使用 "pdfFactory" 试用版本创建 ìì

其中，EC ＝长期关系模型中的残差。
在具体建模中，首先要对长期关系模型的设定 是否合理进行单位根检验，以保证 EC 为平稳序 列。其次，对短期动态关系中各变量的滞后项， 进行从一般到特殊的检验，将不显著的滞后项 逐渐剔除，直到找出了最佳形式为止。通常滞 后期在 ＝0,1,2,3 中进行试验。 i
第四节 格兰杰因果检验
三、误差修正模型
（Error Correction Model ,ECM）
误差修正模型(ECM，也称误差修正模型)是一种 具有特定形式的计量经济模型。
建立误差修正模型一般采用两步，分别建立区分 数据长期特征和短期待征的计量经济学模型。
第一步，建立长期关系模型。即通过水平变量和 OLS法估计出时间序列变量间的关系。若估计结 果形成平稳的残差序列时，那么这些变量间就存 在相互协整的关系．长期关系模型的变量选择是 合理的，回归系数具有经济意义。
u1t

在上述回归中添加X的滞后变量作为独立 解释变量，得到一个无约束回归：
Yt iYt i i X t i u2t
i 1 i 1 s m

如果X是Y变化的原因，无约束回归模型的解
释能力应该显著强于有约束回归模型的解释
能力。如果存在这样一种关系，称X是Y的格
兰杰原因。
其一般形式为： M M ( )t 0 1Yt 2 t 3 ( )t -1 t P P 其中： 为物价指数 M为相应的名义货币余额， P (通常用GDP的平减指数表示), Y 为实际的国民收 入(GDP)， 为季度通货膨胀率(根据综合物价指 数衡量)。这里关于实际收入(产业规模)和机会成
m 为约束条件的个数， s m 是无约束回归的系数个数，n 为样本容量。