下载文档原格式
协整检验及误差修正模型设随机向量t X 中所含分量均为d 阶单整，记为t X I(d )。
如果存在一个非零向量β，使得随机向量()~t t Y X I d b =-β，0b >，则称随机向量t X 具有d ,b 阶协整关系，记为tX CI(d ,b )，向量β被称为协整向量。
特别地，t y 和t x 为随机变量，并且t y ，~(1)t x I ，当01()~I(0)t t t y x εββ=-+，即t y 和t x 的线性组合与I(0)变量有相同的统计性质，则称t y 和t x 是协整的，()01,ββ称为协整系数。
用收入{ln 1（1open —（2）用”；都有明显0.05的显图8-3 序列ln t x 的ADF 检验结果图8-4 序列ln t y 的ADF 检验结果于是尝试对其一阶差分序列采用带常数项的模型进行ADF 检验，首先点击主菜单Quick/Generate series ，出现图8-5的对话框，在方程设定栏里分别输入dlnxt=lnxt-lnxt(-1)和dlnyt=lnyt-lnyt(-1)，产生ln t x 和ln t y 的一阶差分序列，为了方便，简记为ln t x ∇和ln t y ∇，一阶差分能初步消除增长的趋势，于是可以对其进行只带常数项的ADF 检验，检验结果见图8-6和图8-7：图8-5图8-6 序列ln t x ∇的ADF 检验结果图8-7 序列ln t y ∇的ADF 检验结果由图8-6和图8-7，得出两个一阶差分序列在=0.05α下都拒绝存在单位根的原假设的结论，说明ln t x ∇和ln t y ∇序列在=0.05α下平稳，即ln (0)tx I ∇，ln (0)t y I ∇，也就是ln (1)t x I ，ln (1)t y I ，这样我们就可以对二者进行协整关系的检验。
2、协整检验：首先用变量ln t y 对ln t x 进行普通最小二乘回归，在命令栏里输入ls lnyt c lnxt ，得到回归方程的估计结果：8-8，在0.051阶单整3。
第6章协整和误差修正模型本章介绍含有非平稳变量结构方程或V AR的估计。
在一维模型中，我们已经看到，可以通过差分去掉一个随机趋势，得到的平稳序列，再用Box-Jenkins方法来估计模型。
在多维情况下，并不这样直接处理。
通常，整变量的线性组合是平稳的，这些变量称为协整的。
许多经济模型都有这种关系。
本章主要内容：1．介绍协整的基本概念，及在经济模型中的应用。
非平稳变量之间的均衡关系意味着它们的随机趋势是相联系的。
均衡关系意味着这些变量不能相互独立运动。
随机趋势之间的这种联系保证了这些变量是协整的。
2．考虑了协整变量的动态路径，由于协整变量的趋势是相互联系的，这些变量的动态路径反映了偏离均衡的偏差的联系。
详细分析了变量的变化与偏离均衡的偏差之间的联系。
3．讨论了协整检验的几种方法。
6.1整变量的线性组合考虑一个简单的货币需求模型：1）居民持有实际货币余额，使名义货币需求与价格水平成比例；2）当实际收入及交易次数的增加，居民希望持有更多的货币余额；3）利率是持有货币的机会成本，货币需求与利率负相关。
因而，方程设定形式（采用对数形式）如下：0123t t t t t m p y r e ββββ=++++ （6.1.1） 这里： t m =货币需求， t p =价格水平 t y =实际收入 t r =利率t e =平稳扰动项i β=待估计的参数在货币市场是均衡的条件下，可以得到货币供给、价格水平、实际收入和短期利率的时间序列数据，且要求1231,0,0βββ=><。
当然，在研究中需要检验这些限制。
货币需求的任何偏差{}t e 必须是暂时的。
如果{}t e 有随机趋势，偏离货币市场均衡的偏差不能消失。
所以，这里的关键假设是{}t e 是平稳的。
许多研究者认为，实际GDP 、货币供给、价格水平、利率都是I(1)变量。
每个变量都没有返回到长期水平的趋势。
但（6.1.1）说明：对这些非平稳变量，存在线性组合是平稳的。
协整分析与误差修正模型1.协整分析协整分析用于找到两个或多个非平稳时间序列之间的长期关系。
当两个变量之间存在协整关系时，它们的线性组合将是平稳的。
协整关系可以解释为变量之间长期的平衡关系，即存在一种平衡机制使得变量保持在一个相对稳定的范围内。
协整分析的步骤如下：1）对非平稳时间序列进行单位根检验，例如ADF检验。
2）如果两个或多个时间序列都是非平稳的，那么可以进行线性组合，得到一个平稳的时间序列，通过单位根检验确定这个线性组合是否是平稳的。
3）如果线性组合是平稳的，那么就可以认为存在协整关系。
协整分析的优点是可以探索多个非平稳时间序列之间的关系，并且提供了具体的数值关系，能够描述长期平衡关系。
但是，协整分析不能提供因果关系，只能提供关联关系。
2.误差修正模型(ECM)误差修正模型是一种用于描述非平稳变量之间长期关系的模型。
它是在协整分析的基础上发展而来的。
误差修正模型的基本思想是，如果两个变量之间存在协整关系，那么它们之间的误差会随着时间的推移逐渐修正，回归到长期平衡关系。
因此，误差修正模型可以用来分析变量之间的动态行为。
基本的误差修正模型可以表示为：△Y_t=α+βX_t-1+γE_t-1+ε_t其中，△表示时间差分，Y_t和X_t分别表示被解释变量和解释变量，E_t表示长期误差修正项，ε_t表示短期误差项。
α、β和γ分别表示模型的截距和参数。
误差修正模型的步骤如下：1）进行协整分析，确定变量之间的协整关系。
2）构建误差修正模型，通过估计模型参数来描述长期关系。
3）进行模型检验，包括参数显著性检验、拟合优度检验等。
4）根据模型结果进行解释和预测。
误差修正模型的优点是能够同时分析长期和短期关系，提供了关于变量之间回归到长期平衡的速度信息。
同时，误差修正模型还可以用于预测和政策分析等方面。
但是，误差修正模型的局限性在于假设模型中的所有变量都是线性关系，不能很好地处理非线性关系。
综上所述，协整分析和误差修正模型是非平稳时间序列分析中常用的方法，它们能够揭示非平稳变量之间的长期关系，并对其动态行为进行建模和分析。
“协整与误差修正模型”基本内容Abstract本部分我们要介绍时间序列计量经济学模型中的“协整与误差修正模型”内容。
对于时间序列数据而言，若其为非平稳的，那么我们无法使用经典的回归模型，而若变量之间是协整关系(即它们之间有着长期稳定的关系)，那么经典的回归模型方法仍然是valid。
简单差分未必能解决非平稳时间序列的所有问题，因此误差修正模型也就应运而生了。
Problem:对于时间序列数据，如果通过平稳性检验为非平稳序列，能否建立经典计量经济学模型？Answer:需要对模型采用的非平稳时间序列进行协整检验。
一、长期均衡关系与协整经济理论指出，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。
假设和之间的长期“均衡关系”由下式描述：其中,是随机干扰项。
值得注意的是,在期末，存在下述三种情形之一：(1) 等于它的均衡值,即.(2) 小于它的均衡值,即.(3) 大于它的均衡值,即.注意到,如果正确地提示了与之间的长期稳定的"均衡关系",则意味着对其均衡点的偏离从本质上来说是"临时性"的，这个时候自然假设随机干扰项必须是平稳序列。
另外，非平稳的时间序列，它们的线性组合也可能成为平稳的。
Definition3.1一般地,如果序列都是阶单整的,存在向量,使得,其中,则认为序列是阶协整，记为,为协整向量。
注：(1)如果两个变量都是单整变量，只有它们的单整阶相同时，才有可能协整；(2)三个以上的变量，如果具有不同的单整阶，有可能经过线性组合构成低阶单整变量。
阶协整的经济意义：两个变量，虽然具有各自的长期波动规律，但是如果它们是阶协整的，则它们之间存在着一个长期稳定的比例关系。
二、协整的检验1.两变量的Engle-Granger检验(1987年恩格尔和格兰杰提出的两步检验法/EG检验法)(1,1)阶协整最令人关注，EG检验法正是为了检验两个均呈现1阶单整的变量是否为协整的。
