32时间序列的协整检验与误差修正模型

协整和误差修正模型一、协整理论 1. d 阶单整序列对不平稳时间序列{}t Y 进行d 阶差分如下(d =1,2,…n)：1t t t Y Y Y -∆=- 一阶差分21()t t t t Y Y Y Y -∆=∆∆=∆-∆ 二阶差分……1111()d d d d t t t t Y Y Y Y ----∆=∆∆=∆-∆ d 阶差分若{}t Y 进行d 阶差分后成为平稳序列, 则称{}t Y 为d 阶单整序列。

记为{}~()t Y I d2. 协整定义如果时间序列{}{}{}(1)(2)(),,...,r tttY Y Y 都是d 阶单整序列，即，{}~(),1,2,...,jtY I d j r =，且存在12,,...,rβββ使得(1)(2)()12...~()r t t r t Y Y Y I d b βββ+++-其中b>0, 称序列{}{}{}(1)(2)(),,...,r t tt Y Y Y 存在(d,b) 阶协整关系。

3. 协整的意义若序列{}{}{}(1)(2)(),,...,r t tt Y Y Y 存在协整关系，则它们之间存在长期稳定关系，对它们进行回归，可排除伪回归现象。

4. 协整检验EG 两步法( see p.275)二、误差修正模型 ECM 方法：若{}{},t t X Y 都是1阶单整序列，它们存在协整关系，建立自回归模型 012131t t t t t Y X Y X ββββμ--=++++ (1) 整理得：011t ttt Y X e ββγμ-∆=+∆++ (2) 其中t e 为残差序列, 1t e -为误差修正项。

(1) 或(2) 称为ECM模型，用于短期分析。

它们的Eviews命令分别为：LS Y C X Y(-1) X(-1),或：GENR T=Y-Y(-1)GENR H=X-X(-1)GENR e= residLS T C H e(-1)三、实例根据下表，讨论时间序列的平稳性、协整关系以及它们的误差修正模型。

第六页，共七十六页。
• 式Yt= 0+ 1Xt+ t中的随机扰动项也被称为非均衡 误差〔disequilibrium error〕，它是变量X与Y的一 个线性组合：
t Yt 01Xt
• 如果X与Y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，即是具有0均
值的I(0)序列。
第十六页，共七十六页。
第十七页，共七十六页。
• 对于lnY与lnX，经检验，它们均是I(1)序列，最终的检验 模型如下：
2lnY ˆt 0.0590.741 lnYt1 (3.5)5 (3.89 )
2lnX ˆt 0.0710.784 lnXt1 (3.5)8 (3.9)7
在5%的显著性水平 下，ADF检验的临界
• 将y的协整问题转变为讨论矩阵Π的性质问题
第二十九页，共七十六页。
p
yt jytj yt1 t j1
第三十页，共七十六页。
于是，将yt中的协整检验变成对矩阵Π的分析问题。这就是JJ 检验的根本原理。
第三十一页，共七十六页。
2、 JJ检验的预备工作
• 第一步：用OLS分别估计下式中的每一个方程，计算 残差，得到残差矩阵S0，为一个(M×T)阶矩阵。
Xt 01Ytv2t
那么非均衡误差项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
v t v 1 t v 2 t Z t 0 0 1 W t X t 1 Y t
一定是I(0)序列。 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。
• 反之，如果t-1期末Y的值大于其均衡值，那么t期末Y 的变化往往会小于第一种情形下的 Yt 。

（6）取 1 0，则模型变为 yt = 0 + 1 yt -1 + 0 xt + ut.
此模型称为局部调整模型（偏调整模型）。
（7）取 0 0，则模型变为 yt = 0 + 1 yt -1 + 1 xt -1 + ut .
模型中只有变量的滞后值作解释变量，yt的值仅 依靠滞后信息。这种模型称为“盲始”模型。
从上式两侧同时减 yt-1，在右侧同时加减 0xt -1 得：
yt = 0 + 0 xt + (1 -1) yt-1 + (0 + 1) xt-1 + ut
上式右侧第三、四项合并得：
yt = 0 + 0 xt + (1 - 1 ) ( yt-1 - k1 xt-1) + ut 其中k1 = (0 + 1) / (1 - 1 )。在上述变换中没有破坏恒
n
yt = 0 + i xti + ut , ut IID (0, 2 ) i0
上述模型的一个明显问题是xt与xt -1 , xt-2, …, xt - n 高
度相关，从而使 j的OLS估计值很不准确。
3.动态分布滞后模型（自回归分布滞后模型）
如果在分布滞后模型中包括被解释变量的若干个滞
长期趋势模型： yt = k0 + k1 xt + ut
短期波动模型： yt = 0 xt + (1- 1 ) ECMt + ut
ECMt = yt-1 - k0 - k1 xt-1
三、误差修正模型（ECM）的建立
（2） ECM模型中的参数 k0 , k1 估计方法有 ： ① 若变量为平稳变量或者为非平稳变量但存在长期

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