《二协整分析的模型和方法.docx》由会员分享，可在线阅读，更多相关《二协整分析的模型和方法.docx（8页珍藏版）》请在三一文库上搜索。
1、二协整分析的模型和方法2协整分析的模型和方法2.1时间序列变量的平稳性时间序列的平稳性指时间序列的统计规律不会随着时间的推移而发生变化， 即生成时间序列的随机过程的特征不随时间的变化而变化。直观上，一个平稳 的时间序列可以看作是一条围绕其均值上下波动的曲线。定义1严平稳过程如果时间序列Xj(t =12)的联合概率分布随时间的平移而不变，则称该时间序列是严平稳的，即无论对 T的任何时间子集(ti,t2,tn)以及任何正整数k 都有：F(x(ti),x(t2),，x(tn) =F(x(ti k),x(t2 k),，x(tn k) (2.1)成立，其中F()表示n个随机变量的联合分布函数，则称为严平
2、稳过程或强平稳过程。定义2弱平稳过程若时间序列Xj(t=1,2,)满足下列条件：(l)均值E(xJ=u ,与时间t无关的常数。(2.2)(2)方差Var(xJ =仃2 ,与时间无关的常数。(2.3)(3)协方差Cov(xt, xt) = I,只与时间间隔k有关，与时间t无关的常数。一一(2.4)则称该随机时间序列是弱平稳的，本文所说的平稳就是这种弱平稳。平稳时间序列是短时记忆的，也就是说它的当前值不受较远以前的值的影响，只受近期值的影响。而非平稳时间序列的当前值则要受很久以前的数值的 影响。非平稳时间序列常有明显趋势，均值或方差或两者都与时间有关，且方 差会随着时间推移而无限地增大。现实中我们
3、接触到的许多变量并不是平稳的，对于非平稳的时间序列变量， 一种处理办法就是对变量进行差分。2.2时间序列变量的单位根检验、协整检验定义1单整过程单整过程是一类特殊的非平稳随机过程。简言之，单整过程是指经过差分可以达到平稳的非平稳随机过程。如果一个原始时间序列平稳，我们称之为1(0)过程。如果一个原始时间序列非平稳、而经过一次差分变成平稳的，即I(0)Axt =xt xi(Axt为I (0)过程)(2.5)我们就说原时间序列是一阶单整，记为1(1)。如果一次差分变换后仍然是非 平稳的时间序列，则还可以对差分序列再作差分变换，在进行了d次差分后才变 为平稳序列，这种经过d次差分才平稳的时间序列称为
4、d阶单整，记为I(d)。定义2单位根过程对时间序列变量xt建立下面的回归式：xt = : xy - ut( 2.6)其中，当P=1时，Ut为一平稳过程，此时E(Ut)=0,Cov(Ut,Ut#)=限，这里k =0,1,2，将(3.6)式改写成一下形式：ut =(1-Pl(2.7)其中L为滞后算子，Lxt=xt,，(1-Pl港为滞后多项式，它的特征方程：1 - -Z -0 (2.8)的根为1/ P。当P =1时，(2.8)式有一特征根。这就是单位根过程。2.2.1 单位根检验在用时间序列建模前首要的是考虑变量的平稳性，因而平稳性的检验则成为建立模型之前的重要问题。相对应的办法是对序列进行单位根检
5、验，如果一个 序列的特征方程有一个单位根，那么它就是非平稳的，单位根检验常用的方法 是 DF(Dickey Fuller)检验或 ADF(Augment Diekey Fuller)检验。我们对(2.6)式两边减去为得：xt = ( -1)xt 4 , ut( 2.9)(2.9)式中的系数P提出如下零假设和备择假设：山：3 =1( 非平稳)H1 : P 1(为平稳)在零假设成立的前提下，用 DF统计量进行单位根检验。2?-1DF j 口 二(2.10)s(u)/Jz x2_4其中 s（u）= -Lz u2 （ 2.11） n -11对（3.6）式进行最小二乘法回归并计算 DF统计量，Dicke
6、y和Fuller通过 蒙特卡罗模拟的方法得到了 DF分布表，我们可以通过查表得到 DF统计量在一 定显著性下的临界值。若DF统计量 临界值，则接受H。，xt非平稳。若DF统计量临界值，则拒绝H。，为平稳。当已经验证为非平稳，则继续检验治的平稳性，用到 dxt=（P -1）x+ ut , 不断作下去直到结论为平稳时为止，从而获得xt为几阶单整序列。当单位根检验估计式 D-W值很小，就是误差项u存在序列自相关，应采 用如下形式检验单位根。 nAxt =（P -1）Xt_i +E TQxta+ut （2.12） t=2这种带有Axt滞后项的单整检验叫做 ADF检验，做法与DF检验一样，只不过临界值在
7、ADF表中查找。实际中我们还常运用到在（2.12）式的基础上相应加入位移项和趋势项的检 验式：n匚%二 u , （- -1）%一:：kL%. Ut（ 3.13）t -2n殁:u at (: -1)xtE ：kLxt_i ut(3.14)t 2其中u是位移项（也称截距），t是时间趋势，通过对（2.12）、（2.13）、（2.14） 三个回归式的检验判定是否含有截距项、时间趋势项，并检验序列平稳性。以上三式中加入&t的滞后项的是为了校正自相关性，因此滞后阶数的选取既要校正自相关性，同时又要减少因选取滞后项而带来的信息损失 （滞后阶越大，用于 估计的有效样本就越少）。实证中常用的方法有两种：其一，渐
8、进t检验，即对较 大的滞后阶数p用t检验确认”是否显著。若不显著，则减少p值直到对应系数的t值显著；其二，基于最小信息准则来选取滞后阶p,定义:Ik =log：?2p Ct/T(2.15)令 Ct =2 ,称 I k 为 Akaike 信息准则(AIC)；令 Ct = log T ,则称 I k 为 Sehwarz贝叶斯信息准则(SIC),即2 一，一 一、AIC - log c? 2p/T (2.16) V2SIC =logc? p logT/T (2.17)选取较大的滞后阶数 P,计算对应的 AIC(或SIC)值，然后减少P,直至 AIC(SIC)值最小并基于此确定最终滞后阶数。由于 AI
9、C和SIC渐近一致，故使 用AIC或SIC均是可行的。2.2.2协整检验对两个或多个非平稳的时间序列用OLS方法直接进行回归，可能会出现决定系数R2接近于1,但D-W值很小的“伪回归”现象。所谓伪回归就是在有限样本回归中虽然各变量的相关系数较大，但事实上这些变量之间并不存在实际 的关系。要识别回归的真伪，就要用到协整检验。协整的定义：如果一组时间序列X2t,Xnt,都是d阶单整，存在向量口 =(口1,支2，,%)使 ccXtI(d-b),其中 drb 10, Xt =(Xit, X2t,Xnt)1r，则称时间序列 x,Xnt 是 b 阶协整(co-integration), 为协整向量。协整检
10、验的思想在于：如果某两个或多个同阶时间序列向量的某种线性组合 可以得到一个平稳的误差序列，则这些非平稳时间序列存在不受短期波动影响 的长期均衡关系，或者说这些序列具有协整性。协整检验分两个变量之间和多个变量之间的协整性检验，两个变量之间的协整检验通常用 Engle-Grange:两步法(1957),多个变量之间的协整检验通常用 Johansen(1988提出的一种用向量自回归的检验方法，通常称为Johansen方法。EngleGranger两步法的基本步骤如下：步骤1:用用OLS法估计同阶单整的Xt和yt,之间可能的长期均衡关系， 形式如下：yt =-的 u ( 2.18)步骤2:用用，彳表示
11、回归系数的估计值，则模型残差估计值为u? = yt -丹-耳xt。对u?作平稳性检验。若残差序列是平稳的，则xt和y之间存在(1,1)阶协整关系，即存在长期均衡关系，否则就不存在协整关系。Johansen要稍复杂一些，是基于向量自回归模型的系数矩阵的检验，由于本研究的对象只涉及到两个变量，故不再赘述。2.3误差修正模型虽然误差修正模型的产生先于协整理论，但现在研究中普遍把误差修正模型 作为协整模型分析的一个延伸，这样做的根据来自于Engle和Granger于1987年在协整与误差修正模型之间建立了同构，即著名的 Granger定理，其文字表 述如下：某两个（或n个）经济变量的时间轨迹，在长期，
12、这种轨迹被牵制着以大致相同的速率做同向运动且不至于分岔太远；在短期，它们有可能分岔（即偏离运行轨道），但经过若干期调整，它们似乎又返回原有的运行轨道或朝着原有的轨道 运行，则这两个经济变量存在协整关系。Granger定理说明存在协整关系的变量之间一定可以建立误差修正模型。误差修正模型是有协整关系的单整时间序列之间包含的、一个反映长期均衡对短 期波动影响的“误差修正机制”的、特定形式的差分方程模型。误差修正模型（ECM : Erro rCorreetion Model）是由 Englel（1957律提出的.考虑如下的（1,1）阶自回归分布滞后模型：yt =飞/xt ：2黄 飞殁山一一（2.19）
13、在模型的两边同时减去ytA,在右边加、减P1xt，得其中所以-7t =?0*(：2 -1)ecmu Utp +P13ecmu尸y-一Xt1 - 2(2.(21)(2.20)p +P一13eg = yt - -1 - -2Xt(2.(22)对（3.22）式进行整理得13yt = -Xteg1 一 2(2.(23)（2.（20） 是误差修正模型，（2.21）是误差修正项，（2.23）是反映长期均衡关系的模型。误差修正模型反映了影响因变量yt的短期波动Ayt的各个因素。一方面，Ayt受自变量短期波动义的影响，另一方面，Ayt受ecmu的调节，将 非均衡状态拉回到均衡状态。下面分析误差修正项 ecmu对Ayt的调节作用：一般地，模型中 3 % （临界值），就拒绝Ho,认为是 引起yt变化的原因。同理，对（2.25）也这样检验。