9.3协整与误差
计量经济学第五章协整与误差修正模型
根据需要对数据进行变换，如对数变换、差 分变换等，以满足模型对数据的要求。
模型参数估计方法选择
01
最小二乘法（OLS ）
适用于满足经典假设的线性回归 模型，通过最小化残差平方和来 估计模型参数。
02
广义最小二乘法（ GLS）
适用于存在异方差性的模型，通 过加权最小二乘法进行参数估计 ，以消除异方差性的影响。
误差修正模型定义
误差修正模型（Error Correction Model，简称ECM）是一种具有特定形式的计 量经济学模型，用于描述变量之间的长期均衡关系和短期动态调整过程。
该模型通过引入误差修正项，将变量的短期波动和长期均衡关系结合起来，从而 更准确地刻画经济现象。
误差修正项解释
误差修正项（Error Correction Term，简称ECT）是误差修正模型中的核 心部分，表示变量之间的长期均衡误差。
长期均衡
协整关系反映了时间序列之间的长期均衡，即使短期内有所偏离，长期内也会恢复到均 衡状态。
线性组合平稳
协整序列的线性组合可以消除非平稳性，得到平稳序列。
协整检验方法
EG两步法
首先通过OLS回归得到残差序列，然 后对残差序列进行单位根检验（如 ADF检验），判断其是否平稳。
Johansen检验
适用于多变量协整关系的检验，通过 构建似然比统计量来判断协整向量的 个数。
计量经济学第五章协 整与误差修正模型
汇报人：XX
目 录
• 协整理论概述 • 误差修正模型介绍 • 协整与误差修正模型关系 • 协整检验方法及应用举例 • 误差修正模型建立与评估 • 案例研究：金融市场波动性分析
01
协整理论概述
协整定义及性质
协整与误差修正模型的研究
协整与误差修正模型的研究第一部分协整理论概述 (2)第二部分误差修正模型介绍 (4)第三部分协整与误差修正关系 (7)第四部分模型构建与检验方法 (9)第五部分实证分析应用案例 (13)第六部分结果解释与经济含义 (16)第七部分模型局限性与改进方向 (18)第八部分研究展望与未来趋势 (22)第一部分协整理论概述协整理论概述在经济学和金融学中，我们常常遇到时间序列数据之间的长期均衡关系。
然而，在实际经济活动中，这种均衡关系并不总是能够得到严格的保持，而是存在着一定程度的波动和偏差。
为了解决这一问题，经济学家们提出了协整理论。
协整理论是指两个或多个非平稳的时间序列之间存在一种长期稳定的关系。
换言之，即使各时间序列本身是随机游走的过程，它们之间也可能存在一个稳定的线性组合，使得这个组合呈现出平稳性质。
协整理论的发展为研究经济变量之间的长期动态关系提供了一个强有力的工具。
协整理论的核心思想是由 Engle 和Granger 于1987 年提出的。
他们认为，如果两个非平稳的时间序列之间存在协整关系，则这两个时间序列可以通过一个线性组合达到长期均衡状态，且这个线性组合具有零均值、有限方差和恒定自相关等特性。
在这个意义上，我们可以将协整关系看作是一种长期均衡关系的表现形式。
为了检验两个时间序列之间是否存在协整关系，Engle 和 Granger 提出了一种两步法：首先检验每个时间序列是否为非平稳过程；然后，如果这两个时间序列都是非平稳过程，再通过回归分析来检验它们之间是否存在协整关系。
这种方法被称为 Engle-Granger 两步协整检验。
除了 Engle-Granger 两步协整检验之外，还有许多其他的方法可以用来检验协整关系，例如 Johansen 检验和 Pedroni 检验等。
这些方法都可以有效地帮助我们确定不同时间序列之间的协整关系。
协整理论不仅用于检验不同时间序列之间的长期均衡关系，还可以用于构建误差修正模型。
误差修正模型
样本容量 25 50 100 ∝
表 9.3.1 双变量协整 ADF 检验临界值
显著性水平
0.01
0.05
-4.37
-3.59
-4.12
-3.46
-4.01
-3.39
-3.90
-3.33
0.10 -3.22 -3.13 -3.09 -3.05
Page 15
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
CPCt 49.764106 0.45831 GDPPC t
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
eˆt 1.55eˆt1 1.49eˆt1 2.27eˆt3
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。
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）。
Page 7
第4讲 协整与误差修正模型
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
“协整与误差修正模型”基本内容
“协整与误差修正模型”基本内容Abstract本部分我们要介绍时间序列计量经济学模型中的“协整与误差修正模型”内容。
对于时间序列数据而言，若其为非平稳的，那么我们无法使用经典的回归模型，而若变量之间是协整关系(即它们之间有着长期稳定的关系)，那么经典的回归模型方法仍然是valid。
简单差分未必能解决非平稳时间序列的所有问题，因此误差修正模型也就应运而生了。
Problem:对于时间序列数据，如果通过平稳性检验为非平稳序列，能否建立经典计量经济学模型？Answer:需要对模型采用的非平稳时间序列进行协整检验。
一、长期均衡关系与协整经济理论指出，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。
假设和之间的长期“均衡关系”由下式描述：其中,是随机干扰项。
值得注意的是,在期末，存在下述三种情形之一：(1) 等于它的均衡值,即.(2) 小于它的均衡值,即.(3) 大于它的均衡值,即.注意到,如果正确地提示了与之间的长期稳定的"均衡关系",则意味着对其均衡点的偏离从本质上来说是"临时性"的，这个时候自然假设随机干扰项必须是平稳序列。
另外，非平稳的时间序列，它们的线性组合也可能成为平稳的。
Definition3.1一般地,如果序列都是阶单整的,存在向量,使得,其中,则认为序列是阶协整，记为,为协整向量。
注：(1)如果两个变量都是单整变量，只有它们的单整阶相同时，才有可能协整；(2)三个以上的变量，如果具有不同的单整阶，有可能经过线性组合构成低阶单整变量。
阶协整的经济意义：两个变量，虽然具有各自的长期波动规律，但是如果它们是阶协整的，则它们之间存在着一个长期稳定的比例关系。
二、协整的检验1.两变量的Engle-Granger检验(1987年恩格尔和格兰杰提出的两步检验法/EG检验法)(1,1)阶协整最令人关注，EG检验法正是为了检验两个均呈现1阶单整的变量是否为协整的。
协整与误差修正模型
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，其数据基础是牢固 的，其统计性质是优良的。
Yt 1X t vt
式中，vt=t-t-1。
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。
检验程序：
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。
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。
第七讲协整分析与误差修正模型资料
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
t Yt 0 1 X t （*）
一、格兰杰因果关系检验
• 自回归分布滞后模型旨在揭示：某变量的变化 受其自身及其他变量过去行为的影响。
• 然而，许多经济变量有着相互的影响关系
GDP
消费
问题：当两个变量在时间上有先导——滞后关系 时，能否从统计上考察这种关系是单向的还是双 向的？
即:主要是一个变量过去的行为在影响另一个变 量的当前行为呢？还是双方的过去行为在相互影 响着对方的当前行为？
• 显然，I(0)代表一平稳时间序列。
• 现实经济生活中:
1)只有少数经济指标的时间序列表现为平稳的，如 利率等;
2)大多数指标的时间序列是非平稳的，如一些价格 指数常常是2阶单整的，以不变价格表示的消费 额、收入等常表现为1阶单整。
例 中国支出法GDP的单整性。
经过试算，发现中国支出法GDP是1阶单整的，适 当的检验模型为：
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。
• 例 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， 而它们的回归式：
CPCt 49.764106 0.45831 GDPPC t R2=0.9981
2GDPt 1174 .08 261 .25t 0.495 GDPt1 0.966 2GDPt1
多元时间序列分析：协整与误差修正模型.
(**)
• 然而，如果Z与W，X与Y间分别存在长期均衡关系：
X t 0 1Yt v2t
Zt 0 1Wt v1t
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
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。
表 9.3.2 样本 容量 25 50 100 ∝ 多变量协整检验 ADF 临界值 变量数=4 显著性水平 0.01 0.05 0.1 -5.43 -4.56 -4.15 -5.02 -4.32 -3.98 -4.83 -4.21 -3.89 -4.65 -4.1 -3.81 变量数=6 显著性水平 0.01 0.05 0.1 -6.36 -5.41 -4.96 -5.78 -5.05 -4.69 -5.51 -4.88 -4.56 -5.24 -4.7 -4.42 变量数=3 显著性水平 0.01 0.05 0.1 -4.92 -4.1 -3.71 -4.59 -3.92 -3.58 -4.44 -3.83 -3.51 -4.30 -3.74 -3.45
2、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。
三、误差修正模型
式Yt=0+1Xt+t中的随机扰动项也被称为非均衡误差
时间序列的协整检验与误差修正模型讲义
时间序列的协整检验与误差修正模型讲义时间序列的协整检验与误差修正模型是在经济学和金融学中广泛使用的方法，用于分析两个或多个变量之间的长期稳定关系。
本讲义将介绍协整检验的基本概念和步骤，并讨论误差修正模型的理论背景和实际应用。
一、协整检验1. 概念与原理协整是指两个或多个变量之间存在长期稳定的关系，即它们的线性组合是平稳的。
协整关系可以用来解释一个变量对另一个变量的影响，并提供长期均衡关系的信息。
协整检验的基本原理是利用单位根检验方法，测试变量是否存在单位根（非平稳性）。
如果变量存在单位根，则它们是非平稳的；如果变量不存在单位根，则它们是平稳的。
如果变量之间存在协整关系，它们的线性组合将是平稳的。
2. 协整检验的步骤协整检验的一般步骤如下：- 收集数据并绘制时间序列图，观察变量之间的趋势和关系；- 进行单位根检验，常用的方法包括ADF检验、Phillips-Perron检验等；- 如果变量存在单位根，则进行差分，直到变量变为平稳的；- 应用最小二乘法等方法，估计协整关系方程；- 进行残差平稳性检验，确保协整关系的合理性；- 如果协整关系存在，可以进行模型的进一步分析与应用。
二、误差修正模型（Error Correction Model, ECM）1. 概念与原理误差修正模型是一种动态模型，用于解释协整关系的调整速度和误差纠正机制。
在误差修正模型中，除了协整关系的线性组合外，还引入了误差修正项，用于捕捉变量之间的短期非平衡关系。
误差修正项反映了系统离开长期均衡后的调整速度，通过估计误差修正项的系数，可以判断系统是否有趋向于均衡的能力。
当误差修正项的系数为负数且显著时，表示系统具有自我修复的能力；当系数为零时，表示系统处于长期均衡状态；当系数为正数时，表示系统趋向于进一步偏离均衡。
2. ECM模型的应用误差修正模型可以用于解释和预测时间序列数据的长期和短期动态变化。
它在经济学和金融学中有广泛的应用，如货币供给与通货膨胀、利率与消费支出、汇率与经济增长等领域。
时间序列的协整检验与误差修正模型
时间序列的协整检验与误差修正模型时间序列的协整检验与误差修正模型是经济学中常用的方法，用于分析两个或多个变量之间的长期关系。
协整检验是在时间序列数据中，判断变量之间是否存在长期平衡关系的一种方法。
误差修正模型是在协整关系已经验证的基础上，建立起变量之间的因果关系，对短期的偏离进行修正的模型。
协整检验的原理是基于单位根检验的思想，判断时间序列是否为平稳序列。
平稳序列是指序列的均值和方差不随时间发生变化。
如果两个变量都是非平稳序列，但它们的线性组合是平稳序列，那么可以认为这两个变量是协整的。
常用的协整检验方法有Engle-Granger方法和Johansen方法。
Engle-Granger方法是一种直观简单的协整检验方法。
它的步骤如下：首先，分别对两个变量进行单位根检验，确认它们是否为非平稳序列。
然后，对两个变量进行线性回归，得到残差序列。
接下来，对残差序列进行单位根检验，确认它是否为平稳序列。
最后，如果残差序列是平稳序列，则可以判断两个变量之间存在协整关系。
协整检验完成后，接下来可以建立误差修正模型。
误差修正模型是基于协整关系的基础上建立起来的，以短期的偏离修正为核心。
它的核心假设是，在长期平衡关系的约束下，两个变量之间的短期偏离可以通过一个修正项来消除。
误差修正模型的基本形式是多元线性回归模型，其中包含自变量、因变量以及一个误差修正项。
误差修正模型的估计和推断可以使用最小二乘法或最大似然法等统计方法进行。
通过对误差修正模型的估计和推断，可以对变量之间的因果关系进行分析。
同时，误差修正模型还可以用于预测和决策分析。
综上所述，时间序列的协整检验与误差修正模型是分析变量之间长期关系的重要工具。
协整检验可以判断变量是否具有长期平衡关系，而误差修正模型则可以分析变量之间的短期调整过程。
这些方法在经济学、金融学、管理学等领域都有广泛的应用。
时间序列的协整检验与误差修正模型是经济学中常用的方法，用于分析两个或多个变量之间的长期关系。
时间序列的协整和误差修正模型
时间序列的协整和误差修正模型时间序列分析中，协整和误差修正模型是两个重要的概念。
协整是指两个或多个时间序列之间的长期关系，而误差修正模型是一种用来修正时间序列中的误差的模型。
协整是经济学家提出的一个概念，用来解决时间序列数据存在的非平稳性的问题。
在实际应用中，有很多时间序列数据是非平稳的，即其均值和方差不随时间变化而保持不变。
然而，这些非平稳的时间序列之间可能存在长期的关系，也就是说它们会随着时间变化而趋于稳定。
这种关系可以通过协整分析来检验和建模。
协整模型的一种常见形式是误差修正模型（Error Correction Model，ECM）。
误差修正模型是建立在协整模型的基础上的，它可以用来描述时间序列数据之间的长期关系，并且考虑了这些时间序列数据之间的短期变动。
在误差修正模型中，如果两个时间序列之间存在协整关系，那么它们之间的生成误差（随机扰动）会导致它们之间的偏离程度逐渐回归到长期均衡的水平。
因此，误差修正模型是通过引入误差修正项来解决协整关系中存在的短期波动的问题。
误差修正模型的基本思想是，当两个时间序列之间存在协整关系时，如果它们之间的误差超过一定的阈值，那么它们之间的误差就会被修正回长期均衡的水平。
这种修正过程可以通过引入一个误差修正项来实现，从而使得模型具备误差修正的能力。
总之，协整和误差修正模型是对时间序列数据进行建模和分析的重要工具。
协整可以用来检验和描述时间序列之间的长期关系，而误差修正模型则是在协整的基础上引入修正项，用来处理时间序列之间的短期波动。
这些方法在经济学和金融学等领域中具有广泛的应用价值。
协整和误差修正模型是时间序列分析中非常重要的概念。
协整是指两个或多个非平稳时间序列之间存在的长期关系，而误差修正模型则是通过引入误差修正项来描述时间序列的短期波动。
在实际应用中，许多经济和金融时间序列是非平稳的，即它们的均值和方差会随时间变化而发生变动。
这种非平稳性可能会导致误导性的统计结果，因为传统的统计方法要求时间序列数据是平稳的。
《协整与误差》课件
协整与误差的相互作用
协整与误差的概念 定义
协整与误差的识别 方法
协整与误差的相互 作用机制
协整与误差的关系 对经济预测的影响
在金融领域的应用
协整与误差的概念及原理 协整与误差在金融市场中的应用 协整与误差在金融风险管理中的应用 协整与误差在金融投资策略中的应用
在经济领域的应用
协整与误差的概 念定义
• 协整关系的政策意义：在政策制定方面，了解时间序列之间的协整关系可以帮助政策制定者更好地理 解和预测经济活动。例如，如果政府想要控制通货膨胀率，那么它可以通过控制货币供应量来达到这 一目标。这种政策措施可以基于对协整关系的理解来制定，从而提高政策的有效性和准确性。
误差对协整的修正
误差项的引入 误差修正模型的建立 协整关系的检验 误差对协整的修正作用
推动误差分析领域的创新和发 展
协整与误差在其他领域的应用前景
金融领域：研究协整与误差在金融市场分析中的应用，如股票价格波动、汇率变动等。 经济领域：探讨协整与误差在宏观经济分析中的应用，如经济增长、通货膨胀等。 社会科学领域：研究协整与误差在社会现象分析中的应用，如社会关系、文化交流等。 自然科学领域：探索协整
误差的来源：测量设备误差、人为误差、环境误差等 误差的分类：随机误差、系统误差 随机误差的特点：大小和方向都不固定，但服从一定的统计规律 系统误差的特点：大小和方向固定，对测量结果的影响是确定的
误差的传递与影响
误差的来源：数据采集、处理、计算等环节都可能产生误差 误差的传递：误差会随着计算过程的推进而传递，导致结果偏离真实值 误差的影响：误差可能导致分析结果的不准确，从而影响决策和预测的准确性 减小误差的方法：采用更精确的数据采集和处理方法，提高计算精度等
协整与误差校正模型PPT学习教案
ˆ ˆ
ˆˆ
ST2
(xt
x)2
1 2
T
1
2t
L
1
0 W1
r
W2
(r
)dr
1
0
W1
r
2
dr
1
0 W2
r
2
dr
[
1
0 W1
r
W2
(r
)dr]2
1 2
说明：在零假设下统计量T
1 2
t
弱收敛于维纳过程的泛函T，
1 2
t
具有规范的极限分布；原来的T统计量既不服从T分布，也不
存在规范的极限分布，T统计量将随样本容量的增加而发散。
400
600
800
1000
第13页/共37页
14
协整协整的的严概念格 定义：
设有K( 2) 个序列 y1t , y2t ,, ykt 用, Yt ( y1t , y2t表,示, ykt )
由此K个序列构成的K维向量序列，如果：
（1）每个序列 y1t ,y2t ,,ykt 都是d阶单整序列；
所体现的回归关系不是伪回归，回归系数的最小二乘估
计是协整向量的一致估计，残差估计uˆt ~ I (0) 为一平稳
随机过程。
问题：如何检验残差序列uˆ t 的平稳性？（DF、ADF、 PP检验）。请注意uˆ t： 不是直接的观测样本。