协整与误差修正模型

《协整与误差修正模型》由会员分享，可在线阅读，更多相关《协整与误差修正模型（46页珍藏版）》请在装配图网上搜索。

1、协整与误差修正模型一、长期均衡关系与协整一、长期均衡关系与协整0、问题的提出、问题的提出经经典典回回归归模模型型classical regression model是是建建立立在在稳稳定定数数据据变变量量根根底底上上的的，对对于于非非稳稳定定变变量量，不不能能使使用用经经典典回回归归模型，否那么会出现虚假回归等诸多问题。模型，否那么会出现虚假回归等诸多问题。由由于于许许多多经经济济变变量量是是非非稳稳定定的的，这这就就给给经经典典的的回回归归分分析析方方法带来了很大限制。法带来了很大限制。但但是是，如如果果变变量量之之间间有有着着长长期期的的稳稳定定关关系系，即即它它们们之之间间是是协协整整的

2、的cointegration)，那那么么是是可可以以使使用用经经典典回回归归模模型型方方法建立回归模型的。法建立回归模型的。例如，中国居民人均消费水平与人均例如，中国居民人均消费水平与人均GDP变量的例子中：变量的例子中：因果关系回归模型要比因果关系回归模型要比ARMA模型有更好的预测功能，模型有更好的预测功能，其其原原因因在在于于，从从经经济济理理论论上上说说，人人均均GDP决决定定着着居居民民人人均均消消费费水水平平，而而且且它它们们之之间间有有着着长长期期的的稳稳定定关关系系，即即它它们们之间是协整的之间是协整的cointegration。经经济济理理论论指指出出，某某些些经经济济变变量

3、量间间确确实实存存在在着着长长期期均均衡衡关关系系，这这种种均均衡衡关关系系意意味味着着经经济济系系统统不不存存在在破破坏坏均均衡衡的的内内在在机机制制，如如果果变变量量在在某某时时期期受受到到干干扰扰后后偏偏离离其其长长期期均均衡衡点点，那那么么均均衡衡机机制制将将会会在在下下一一期期进进展展调调整整以以使使其其重重新新回回到到均均衡衡状态。状态。假设假设X与与Y间的长期间的长期“均衡关系由式描述均衡关系由式描述 1 1、长期均衡、长期均衡式中:t是随机扰动项。该均衡关系意味着该均衡关系意味着:给定X的一个值，Y相应的均衡值也随之确定为0+1X。在在t-1期末，存在下述三种情形之一：期末，存

4、在下述三种情形之一：1Y等于它的均衡值：Yt-1=0+1Xt；2Y小于它的均衡值：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，那么Y的相应变化量由式给出:式中，vt=t-t-1。实际情况往往并非如此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，那么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，那么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，那么意味着Y对其均衡点的偏离从本质上说是“临时性

5、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，那么会导致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disequilibrium error，它是变量X与Y的一个线性组合：(*)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

6、衡关系成立的话，那么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，b0，X=(X1t,X2t,Xkt)T，那么认为序列X1t,X2t,Xkt是(d,b)阶协整，记为XtCI(d,b)，为协整向量cointegrated vector。协整协整 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

7、变量，只有当它们的单整阶数一样时，才可能协整；如果它们的单整阶数不一样，就不可能协整。三个以上的变量，如果具有不同的单整阶数，有可三个以上的变量，如果具有不同的单整阶数，有可能经过线性组合构成低阶单整变量。能经过线性组合构成低阶单整变量。例如，如果存在：并且那么认为：d,d阶协整是一类非常重要的协整关系，它的经济意义在于：两个变量，虽然它们具有各自的长期波动规律，但是如果它们是d,d阶协整的，那么它们之间存在着一个长期稳定的比例关系。例如：前面提到的中国CPC和GDPPC，它们各自都是2阶单整，并且将会看到，它们是(2,2)阶协整，说明它们之间存在着一个长期稳定的比例关系，从计量经济学模型的意

8、义上讲，建立如下居民人均消费函数模型 从协整的定义可以看出从协整的定义可以看出:变量选择是合理的，随机误差项一定是“白噪声即均值为0，方差不变的稳定随机序列，模型参数有合理的经济解释。这也解释了尽管这两时间序列是非稳定的，但却可以用经典的回归分析方法建立回归模型的原因。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，其数据根底是结实的，其统计性质是优良的。二、协整检验二、协整检验 1 1、两变量的、两变量的Engle-GrangerEngle-Granger检验检验 为了检验两变量Yt,Xt是否为协整，

9、Engle和Granger于1987年提出两步检验法，也称为EG检验。第一步，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：称为协整回归协整回归(cointegrating)或静态回归静态回归(static regression)。的单整性的检验方法仍然是的单整性的检验方法仍然是DF检验或者检验或者ADF检验。检验。由于协整回归中已含有截距项，那么检验模型中无需再用截距项。如使用模型1进展检验时，拒绝零假设H0：=0，意味着误差项et是平稳序列，从而说明X与Y间是协整的。需要注意是需要注意是，这里的DF或ADF检验是针对协整回归计算出的误差项 而非真正的非均衡误差t

10、进展的。而OLS法采用了残差最小平方和原理，因此估计量是向下偏倚的，这样将导致拒绝零假设的时机比实际情形大。于是对et平稳性检验的DF与ADF临界值应该比正常的DF与ADF临界值还要小。MacKinnon(1991)通过模拟试验给出了协整检验的临界值，表是双变量情形下不同样本容量的临界值。例例 检验中国居民人均消费水平检验中国居民人均消费水平CPCCPC与人均国内生产总与人均国内生产总值值GDPPCGDPPC的协整关系。的协整关系。在前文CPC与GDPPC都是I(2)序列，而中已给出了它们的回归式 R2 通过对该式计算的残差序列作ADF检验，得适当检验模型 -4.47 (3.93)(3.05)

11、LM(1)=0.00 LM(2)=0.00 t=-4.47-3.75=ADF，拒绝存在单位根的假设，残差项是稳定的，因此中国居民人均消费水平与人均GDP是(2,2)阶协整的，说明了该两变量间存在长期稳定的“均衡关系。2 2、多变量协整关系的检验、多变量协整关系的检验扩展的扩展的E-GE-G检验检验 多变量协整关系的检验要比双变量复杂一些，主要在于协整变量间可能存在多种稳定的线性组合协整变量间可能存在多种稳定的线性组合。假设有4个I(1)变量Z、X、Y、W，它们有如下的长期均衡关系：(*)其中，非均衡误差项t应是I(0)序列：(*)然而，如果Z与W，X与Y间分别存在长期均衡关系：那么非均衡误差项

12、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(*)由于vt象*式中的t一样，也是Z、X、Y、W四个变量的线性组合，由此*式也成为该四变量的另一稳定线性组合。1,-0,-1,-2,-3是对应于*式的协整向量，1,-0-0,-1,1,-1是对应于*式的协整向量。一定是I(0)序列。对对于于多多变变量量的的协协整整检检验验过过程程，根根本本与与双双变变量量情情形形一一样样，即即需需检检验验变变量量是是否否具具有有同同阶阶单单整整性性，以以及及是是否否存存在在稳稳定定的的线线性组合。性组合。在在检检验验是是否否存存在在稳稳定定的的线线性性组组合合时时，需需通通过过设设置

13、置一一个个变变量量为为被被解解释释变变量量，其其他他变变量量为为解解释释变变量量，进进展展OLS估估计计并并检检验残差序列是否平稳。验残差序列是否平稳。如如果果不不平平稳稳，那那么么需需更更换换被被解解释释变变量量，进进展展同同样样的的OLS估计及相应的残差项检验。估计及相应的残差项检验。当当所所有有的的变变量量都都被被作作为为被被解解释释变变量量检检验验之之后后，仍仍不不能能得得到到平平稳稳的的残残差差项项序序列列，那那么么认认为为这这些些变变量量间间不不存存在在d,d阶阶协整。协整。检验程序：检验程序：同同样样地地，检验残差项是否平稳的DF与ADF检验临界值要比通常的DF与ADF检验临界值

14、小，而且该临界值还受到所检验的变量个数的影响。表9.3.2给出了MacKinnon(1991)通过模拟试验得到的不同变量协整检验的临界值。2 2、多变量协整关系的检验、多变量协整关系的检验JJJJ检验检验Johansen于于1988年，以及与年，以及与Juselius于于1990年提出年提出了一种用极大或然法进展检验的方法，通常称为了一种用极大或然法进展检验的方法，通常称为JJ检验。检验。?高等计量经济学高等计量经济学?清华大学出版社，清华大学出版社，2000年年9月月P279-282.E-views中有中有JJ检验的功能。检验的功能。三、误差修正模型三、误差修正模型 前文已经提到，对于非稳定

15、时间序列，可通过差分的方法将其化为稳定序列，然后才可建立经典的回归分析模型。如：建立人均消费水平Y与人均可支配收入X之间的回归模型：1 1、误差修正模型、误差修正模型式中，vt=t-t-1差分差分X,Y成为平稳序列建立差分回归模型建立差分回归模型 如果如果Y与X具有共同的向上或向下的变化趋势 (1)如果如果X与与Y间存在着长期稳定的均衡关系间存在着长期稳定的均衡关系 Yt=0+1Xt+t且误差项且误差项 t不存在序列相关，那么差分式不存在序列相关，那么差分式 Yt=1 Xt+t中的中的 t是一个一阶移动平均时间序列，因而是序列相关的；是一个一阶移动平均时间序列，因而是序列相关的；然而，这种做法

16、会引起两个问题这种做法会引起两个问题：(2)如如果果采采用用差差分分形形式式进进展展估估计计，那那么么关关于于变变量量水水平平值值的的重重要要信信息息将将被被忽忽略略，这这时时模模型型只只表表达达了了X与与Y间间的的短短期期关关系系，而而没有提醒它们间的长期关系。没有提醒它们间的长期关系。因因为为，从从长长期期均均衡衡的的观观点点看看，Y在在第第t期期的的变变化化不不仅仅取取决决于于X本本身身的的变变化化，还还取取决决于于X与与Y在在t-1期期末末的的状状态态，尤尤其其是是X与与Y在在t-1期的不平衡程度。期的不平衡程度。另外，使用差分变量也往往会得出不能令人满意回归方程。另外，使用差分变量也

17、往往会得出不能令人满意回归方程。例如，使用 Yt=1 Xt+t回归时，很少出现截距项显著为零的情况，即我们常常会得到如下形式的方程：在X保持不变时，如果模型存在静态均衡static equilibrium，Y也会保持它的长期均衡值不变。但如果使用*式，即使X保持不变，Y也会处于长期上升或下降的过程中(Why?)，这意味着X与Y间不存在静态均衡。这与大多数具有静态均衡的经济理论假说不相符。可见，简单差分不一定能解决非平稳时间序列所遇到的全部问题，因此，误差修正模型便应运而生。(*)误差修正模型误差修正模型Error Correction ModelError Correction Model，简

18、记为，简记为ECMECM是一种具有特定形式的计量经济学模型，它的主要形式是由是一种具有特定形式的计量经济学模型，它的主要形式是由DavidsonDavidson、Hendry Hendry、SrbaSrba和和YeoYeo于于19781978年提出的，称为年提出的，称为DHSYDHSY模型。模型。为了便于理解，我们通过一个具体的模型来介绍它的构造。假设两变量X与Y的长期均衡关系为:Yt=0+1Xt+t 由于现实经济中X与Y很少处在均衡点上，因此实际观测到的只是X与Y间的短期的或非均衡的关系，假设具有如下(1,1)阶分布滞后形式 该模型显示出第t期的Y值，不仅与X的变化有关，而且与t-1期X与Y

19、的状态值有关。由于变量可能是非平稳的，因此不能直接运用OLS法。对上述分布滞后模型适当变形分布滞后模型适当变形得 或 式中，*如果将*中的参数，与Yt=0+1Xt+t中的相应参数视为相等，那么*式中括号内的项就是t-1期的非均衡误差项。*式说明：Y的变化决定于X的变化以及前一时期的非均衡程度。同时，*式也弥补了简单差分模型Yt=1Xt+t的缺乏，因为该式含有用X、Y水平值表示的前期非均衡程度。因此，Y的值已对前期的非均衡程度作出了修正。称为称为一阶误差修正模型一阶误差修正模型(first-order error correction model)。*式可以写成：*知，一般情况下|1，由关系式=

20、1-得01。可以据可以据此分析此分析ecmecm的修正作用：的修正作用：*其中:ecmecm表示误差修正项误差修正项。由分布滞后模型分布滞后模型 (1)(1)假设假设(t-1)(t-1)时刻时刻Y Y大于其长期均衡解大于其长期均衡解0+0+1X1X，ecmecm为正，为正，那么那么(-(-ecm)ecm)为负，使得为负，使得 YtYt减少；减少；(2)(2)假设假设(t-1)(t-1)时刻时刻Y Y小于其长期均衡解小于其长期均衡解0+0+1X 1X，ecmecm为为负，那么负，那么(-(-ecm)ecm)为正，使得为正，使得 YtYt增大。增大。*表达了长期非均衡误差对的控制。表达了长期非均衡

21、误差对的控制。其主要原因在于其主要原因在于变量对数的差分近似地等于该变量的变化率，而经济变量的变化率常常是稳定序列，因此适合于包含在经典回归方程中。需要注意的是需要注意的是：在实际分析中，变量常以对在实际分析中，变量常以对数的形式出现。数的形式出现。于是于是:(1):(1)长期均衡模型长期均衡模型 Yt=Yt=0+0+1Xt+1Xt+t t中的中的1 1可视为可视为Y Y关于关于X X的长期弹性的长期弹性long-run elasticitylong-run elasticity (2)短期非均衡模型 Yt=0+1Xt+2Xt-1+Yt-1+t中的1可视为Y关于X的短期弹性short-run

22、elasticity。如如具有季度数据的变量，可在短期非均衡模型 Yt=0+1Xt+2Xt-1+Yt-1+t中引入更多的滞后项。更复杂的误差修正模型更复杂的误差修正模型可依照一阶误差修正模型类可依照一阶误差修正模型类似地建立。似地建立。引入二阶滞后的模型引入二阶滞后的模型为 经过适当的衡等变形，可得如下二阶误差修正模型二阶误差修正模型(*)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Yt-2，Xt-2，。多变量的误差修正模型多变量的误差修正模型也可类似地建立。如三个变量三个变量如果存在如下长期均衡关系那么其一阶非均衡关系可写成 于是它的一个误差修正模型一个误差修正模型为

23、1Granger 表述定理 误差修正模型有许多明显的优点：如 a一阶差分项的使用消除了变量可能存在的趋势因素，从而防止了虚假回归问题；b一阶差分项的使用也消除模型可能存在的多重共线性问题；c误差修正项的引入保证了变量水平值的信息没有被无视；d由于误差修正项本身的平稳性，使得该模型可以用经典的回归方法进展估计，尤其是模型中差分项可以使用通常的t检验与F检验来进展选取；等等。因此，一个重要的问题就是：是否变量间的关系都可以通过误差修正模型来表述？2 2、误差修正模型的建立、误差修正模型的建立 如果变量X与Y是协整的，那么它们间的短期非均衡关系总能由一个误差修正模型表述：01*式中，t-1是非均衡误

24、差项是非均衡误差项或者说成是长期均衡偏差项长期均衡偏差项，是短期调整参数短期调整参数。就此问题，就此问题，Engle Engle 与与 Granger 1987 Granger 1987年提出了著名的年提出了著名的GrangeGrange表述定理表述定理Granger representaion theoremGranger representaion theorem：对于(1,1)阶自回归分布滞后模型 Yt=0+1Xt+2Xt-1+Yt-1+t 如果 YtI(1),XtI(1);那么的左边Yt I(0)，右边的Xt I(0)，因此，只有Y与X协整，才能保证右边也是I(0)。首首先先对对变变量

25、量进进展展协协整整分分析析，以以发发现现变变量量之之间间的的协协整整关关系系，即长期均衡关系，并以这种关系构成误差修正项。即长期均衡关系，并以这种关系构成误差修正项。然然后后建建立立短短期期模模型型，将将误误差差修修正正项项看看作作一一个个解解释释变变量量，连连同同其其它它反反映映短短期期波波动动的的解解释释变变量量一一起起，建建立立短短期期模模型型，即即误差修正模型。误差修正模型。注意注意，由于 Y=lagged(Y,X)+t-1+t 01中没有明确指出Y与X的滞后项数，因此，可以是多个；同时，由于一阶差分项是I(0)变量，因此模型中也允许使用X的非滞后差分项Xt。GrangerGrange

26、r表述定理可类似地推广到多个变量的情形中去。表述定理可类似地推广到多个变量的情形中去。因此，建立误差修正模型建立误差修正模型，需要 由协整与误差修正模型的的关系，可以得到误差修正模型建立的E-G两步法：第一步，进展协整回归OLS法，检验变量间的协整关系，估计协整向量长期均衡关系参数；第二步，假设协整性存在，那么以第一步求到的残差作为非均衡误差项参加到误差修正模型中，并用OLS法估计相应参数。需要注意的是：在进展变量间的协整检验时，如有必要可在协整回归式中参加趋势项，这时，对残差项的稳定性检验就无须再设趋势项。另外，第二步中变量差分滞后项的多少，可以残差项序列是否存在自相关性来判断，如果存在自相

27、关，那么应参加变量差分的滞后项。2Engle-Granger两步法两步法3 3直接估计法直接估计法 也可以采用翻开误差修整模型中非均衡误差项括号的方法直接用OLS法估计模型。但仍需事先对变量间的协整关系进展检验。如对双变量误差修正模型可翻开非均衡误差项的括号直接估计下式：这时短期弹性与长期弹性可一并获得。需注意的是，需注意的是，用不同方法建立的误差修正模型结果也往往不一样。经济理论指出，居民消费支出是其实际收入的函数。以中国国民核算中的居民消费支出经过居民消费价格指数缩减得到中国居民实际消费支出时间序列C；以支出法GDP对居民消费价格指数缩减近似地代表国民收入时间序列(GDP)时间段为1978

28、2000表9.3.3 例例 中国居民消费的误差修正模型 1 1对数据对数据lnClnC与与lnGDPlnGDP进展单整检验进展单整检验 容易验证lnC与lnGDP是一阶单整的，它们适合的检验模型如下：(3.81)-4.01 2.66 2.26 2.54 LM(1)=0.38 LM(2)=0.67 LM(3)=2.34 LM(4)=2.46 首先，建立首先，建立lnC与与lnGDP的回归模型的回归模型2 2检验检验lnClnC与与lnGDPlnGDP的协整性，并建立长期均衡关系的协整性，并建立长期均衡关系 0.30(57.48)R2=0.994 DW=0.744 发现有残关项有较强的一阶自相关性

29、。考虑参加适当的滞后项，得lnC与lnGDP的分布滞后模型 (1.63)(6.62 4.92 -2.17 R2自相关性消除，因此可初步认为是lnC与lnGDP的长期稳定关系。(*)残差项的稳定性检验：残差项的稳定性检验：-4.32 R2 t=-4.32-3.64=ADF 说明lnC与lnGDP是1，1阶协整的，*式即为它们长期稳定的均衡关系:(*)以稳定的时间序列3 3建立误差修正模型建立误差修正模型 做为误差修正项，可建立如下误差修正模型误差修正模型:6.96 (2.96)(-1.91)(-3.15)R2由(*)式 可得lnC关于lnGDP的长期弹性：(0.698-0.361)/(1-0.6

30、22)=0.892；(*)下面用翻开误差修正项括号的方法直接估计误差修正模型，适当估计式为:1.63(6.62 (-2.99)(2.88)R2 写成误差修正模型的形式如下(*)由*式知，lnC关于lnGDP的短期弹性为，长期弹性为。可见两种方法的结果非常接近。4预测预测由(*)式给出1998年关于长期均衡点的偏差：=ln(18230)-0.152-0.698ln(39008)-0.662ln(17072)+0.361ln(36684)=0.0125 由*式预测1999年的短期波动：lnC99=0.686(ln(41400)-ln(39008)+0.784(ln(18230)-ln(17072)于是 按照*式预测的结果为:lnC99=以当年价计的1999年实际居民消费支出为39334亿元，用居民消费价格指数1990=100紧缩后约为19697亿元，因此：两个预测结果的相对误差分别为2.9%与2.6%。于是谢谢谢谢欣欣欣欣赏赏汇报结束谢谢大家!请各位批评指正