误差修正模型

Page1一、长期均衡关系与协整Page20、问题的提出经典回归模型（classicalregressionmodel）是建立在稳定数据变量基础上的，对于非稳定变量，不能使用经典回归模型，否则会出现虚假回归等诸多问题。由于许多经济变量是非稳定的，这就给经典的回归分析方法带来了很大限制。但是，如果变量之间有着长期的稳定关系，即它们之间是协整的（cointegration)，则是可以使用经典回归模型方法建立回归模型的。例如，中国居民人均消费水平与人均GDP变量的例子中：因果关系回归模型要比ARMA模型有更好的预测功能，其原因在于，从经济理论上说，人均GDP决定着居民人均消费水平，而且它们之间有着长期的稳定关系，即它们之间是协整的（cointegration）。Page3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，如果变量在某时期受到干扰后偏离其长期均衡点，则均衡机制将会在下一期进行调整以使其重新回到均衡状态。假设X与Y间的长期“均衡关系”由式描述1、长期均衡tttXY10式中:t是随机扰动项。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。Page4在t-1期末，存在下述三种情形之一：（1）Y等于它的均衡值：Yt-1=0+1Xt；（2）Y小于它的均衡值：Yt-10+1Xt；（3）Y大于它的均衡值：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，则Y的相应变化量由式给出:tttvXY1式中，vt=t-t-1。Page5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，则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，则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”，则意味着Y对其均衡点的偏离从本质上说是“临时性”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），则会导致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。Page6式Yt=0+1Xt+t中的随机扰动项也被称为非均衡误差（disequilibriumerror），它是变量X与Y的一个线性组合：tttXY10(*)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衡关系成立的话，则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）。Page7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，则认为序列{X1t,X2t,…,Xkt}是(d,b)阶协整，记为Xt~CI(d,b)，为协整向量（cointegratedvector）。⒉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变量，只有当它们的单整阶数相同时，才可能协整；如果它们的单整阶数不相同，就不可能协整。Page8三个以上的变量，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。例如，如果存在：)2(~),2(~),1(~IUIVIWttt并且)0(~)1(~IePcWQIbUaVPtttttt那么认为：)1,1(~,)1,2(~,CIPWCIUVttttPage9（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，则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:tttGDPPCCPC10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。Page10•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，其数据基础是牢固的，其统计性质是优良的。Page11二、协整检验Page121、两变量的Engle-Granger检验为了检验两变量Yt,Xt是否为协整，Engle和Granger于1987年提出两步检验法，也称为EG检验。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：tttttYYeXYˆˆˆˆˆ10称为协整回归(cointegrating)或静态回归(staticregression)。第二步，检验et的单整性。如果et为稳定序列，则认为变量YXtt,为(1,1)阶协整；如果et为1阶单整，则认为变量YXtt,为(2,1)阶协整；…。Page13的单整性的检验方法仍然是DF检验或者ADF检验。由于协整回归中已含有截距项，则检验模型中无需再用截距项。如使用模型1ettpiititteee11进行检验时，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，这里的DF或ADF检验是针对协整回归计算出的误差项et而非真正的非均衡误差t进行的。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机会比实际情形大。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。Page14MacKinnon(1991)通过模拟试验给出了协整检验的临界值，表9.3.1是双变量情形下不同样本容量的临界值。表9.3.1双变量协整ADF检验临界值显著性水平样本容量0.010.050.1025-4.37-3.59-3.2250-4.12-3.46-3.13100-4.01-3.39-3.09∝-3.90-3.33-3.05Page15例9.3.1检验中国居民人均消费水平CPC与人均国内生产总值GDPPC的协整关系。在前文已知CPC与GDPPC都是I(2)序列，而§2.10中已给出了它们的回归式ttGDPPCCPC45831.0764106.49R2=0.9981通过对该式计算的残差序列作ADF检验，得适当检验模型311ˆ27.2ˆ49.1ˆ55.1ˆtttteeee（-4.47）(3.93)(3.05)LM(1)=0.00LM(2)=0.00t=-4.47-3.75=ADF0.05，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。Page162、多变量协整关系的检验—扩展的E-G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。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：tttttYXWZ3210(*)其中，非均衡误差项t应是I(0)序列：tttttYXWZ3210(**)Page17然而，如果Z与W，X与Y间分别存在长期均衡关系：tttvWZ110tttvYX210则非均衡误差项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tttttttYXWZvvv110021(***)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。Page18对于多变量的协整检验过程，基本与双变量情形相同，即需检验变量是否具有同阶单整性，以及是否存在稳定的线性组合。在检验是否存在稳定的线性组合时，需通过设置一个变量为被解释变量，其他变量为解释变量，进行OLS估计并检验残差序列是否平稳。如果不平稳，则需更换被解释变量，进行同样的OLS估计及相应的残差项检验。当所有的变量都被作为被解释变量检验之后，仍不能得到平稳的残差项序列，则认为这些变量间不存在（d,d）阶协整。检验程序：Page19同样地，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多变量协整检验ADF临界值变量数=3变量数=4变量数=6样本显著性水平显著性水平显著性水平容量0.010.050.10.010.050.10.010.050.125-4.92-4.1-3.71-5.43-4.56-4.15-6.36-5.41-4.9650-4.59-3.92-3.58-5.02-4.32-3.98-5.78-5.05-4.69100-4.44-3.83-3.51-4.83-4.21-3.89-5.51-4.88-4.56∝-4.30-3.74-3.45-4.65-4.1-3.81-5.24-4.7-4.42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。Page202、多变量协整关系的检验—JJ检验Johansen于1988年，以及与Juselius于1990年提出了一种用极大或然法进行检验的方法，通常称为JJ检验。《高等计量经济学》（清华大学出版社，2000年9月）P279-282.E-views中有JJ检验的功能。Page21三、误差修正模型Page22前文已经提到，对于非稳定时间序列，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、误差修正模型tttXY10tttvXY1式中，vt=t-t-1差分X,Y成为平稳序列建立差分回归模型如果Y与X具有共同的向上或向下的变化趋势Page23(1)如果X与Y间存在着长期稳定的均衡关系Yt=0+1Xt+t且误差项t不存在序列相关，则差分式Yt=1Xt+t中的t是一个一阶移动平均时间序列，因而是序列相关的；然而，这种做法会引起两个问题：(2)如果采用差分形式进行估计，则关于变量水平值的重要信息将被忽略，这时模型只表达了X与Y间的短期关系，而没有揭示它们间的长期关系。因为，从长期均衡的观点看，Y在第t期的变化不仅取决于X本身的变化，还取决于X与Y在t-1期末的状态，尤其是X与Y在t-1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。Page24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（staticequilibrium），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