文档介绍：该【ECM与VAR模型知识讲座 】是由【读书之乐】上传分享，文档一共【76】页，该文档可以免费在线阅读，需要了解更多关于【ECM与VAR模型知识讲座 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。一、长期均衡关系与协整(EquilibriumandCointegration)问题的提出经典回归模型(classicalregressionmodel)建立在平稳数据变量基础上,对于非平稳变量,不能使用经典回归模型,否则会出现虚假回归等诸多问题。但许多经济变量是非稳定的。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),则可以使用经典回归模型方法建立回归模型。*ECM与VAR模型知识讲座*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::?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。*ECM与VAR模型知识讲座*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-1;(2)Y小于它的均衡值:Yt-1<?0+?1Xt-1;(3)Y大于它的均衡值:Yt-1>?0+?1Xt-1;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:式中,vt=?t-?t-1*ECM与VAR模型知识讲座*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。*ECM与VAR模型知识讲座*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:(*)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个平稳时间序列,即是具有0均值的I(0)序列。从这里看到,非平稳的时间序列,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,则意味着由非均衡误差(*)式给出的线性组合是I(0)序列。这时称变量X与Y是协整的(cointegrated)。*ECM与VAR模型知识讲座*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,b>0,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。,该两序列是(2,2)阶协整。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,就不能协整。*ECM与VAR模型知识讲座*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:并且那么认为:*ECM与VAR模型知识讲座*(d,d)阶协整的经济意义在于: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:中国CONSP和GDPP都是2阶单整,如果它们是(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,建立如下居民人均消费函数模型:从协整的定义可以看出:则变量选择是合理的,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。*ECM与VAR模型知识讲座*-Granger检验Engle和Granger于1987年提出了检验两I(1)序列Yt与Xt是否为协整关系的两步检验法,称为EG检验。第一步,用OLS方法估计Yt=?0+?1Xt+?t并计算非均衡误差,得到:称为协整回归(cointegrating)或静态回归(static-regression)。二、协整检验第二步,检验的单整性。如果为平稳序列,则认为变量Yt,Xt为(1,1)阶协整;否则Yt,Xt不存在协整关系。*ECM与VAR模型知识讲座*的单整性的检验方法仍然是DF检验或者ADF检验。如使用模型1:检验拒绝零假设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。注意: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进行的。因此估计量?是向下偏倚的,这将导致拒绝零假设的机会增大。MacKinnon(1991)通过模拟试验给出了协整检验的临界值。*ECM与VAR模型知识讲座*