协整与误差修正模型

  • 格式:doc
  • 大小:213.00 KB
  • 文档页数:27

下载文档原格式

  / 27
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

.

第六讲协整与误差修正模型

一、非平稳过程与单位根检验

二、长期均衡关系与协整

三、误差修正模型

可编辑

.

一、非平稳过程与单位根检验

1、非平稳过程

1)随机游走过程(random walk)。

y t = y t-1 + u t, u t IID(0, 2)

10

y=y(-1)+u

5

-5

-10

20406080100120140160180200

差分平稳过程(difference- stationary process)。

可编辑

.

可编辑

2)有漂移项的非平稳过程(non-stationary process with drift )或随机趋势非平稳过程(stochastic trend process )。

y t = + y t -1 + u t , u t IID(0,

2)

迭代变换:y t =

+ (

+ y t -2 + u t -1) + u t = … = y 0 + t +∑-t

i i u 1

=

t +∑-t

i i u 1

20

40

60

80

100

400

450500550600650700750800-80

-60

-40

-20

20

100200300400500600700800

差分平稳过程

.

3)趋势平稳过程(trend-stationary process)或退势平稳过程。

y t = + t + u t, u t IID(0, 2)

25

20

15

10

5

5101520253035404550

趋势平稳过程的差分过程是过度差分过程:y t = + u t - u t-1。所以应该用退势的方法获得平稳过程。

y t - t = + u t。

可编辑

.

4)确定性趋势非平稳过程(non-stationary process with deterministic trend)

y t = + t + y t-1+ u t, u t IID(0, 2)

180

160

140

120

100

80

60

400450500550600650700750800

确定性趋势非平稳过程的差分过程是退势平稳过程,yt = + t + ut。确定性趋势非平稳过程的退势过程是非平稳过程,yt - t = + yt-1+

可编辑

.

ut 。只有既差分又退势才能得到平稳过程,yt - t = + ut。

5)单位根过程

前述的差分平稳过程可改写为:

(1-L)yt= m + ut

滞后算子多项式1-L=0的根L=1称为“单位根”。含有单位根的随机过程称为单位根过程。

如果一个序列在成为平稳序列之前必须经过d次差分,则该序列被称为d 阶单整,记为I(d)。

可编辑

.

2.单位根检验

1)DF(ADF)检验法(Dickey-Fuller,1979)

观察如下模型:

y t = y t-1 + u t , u t IID(0, 2) (1.a) y t = + y t-1+ u t , u t IID(0, 2) (2.a)

y t = +t + y t-1+ u t , u t IID(0, 2) (3a)

若//<1,则y t平稳;若//=1,则y t一阶单整;若//〉1,则y t发散。

可编辑

.

可编辑

假设H 0: =1,y t 非平稳;H 1: <1。y t 平稳

检验统计量DF =)ˆ()1ˆ(ββ

s - 当DF 〉临界值时,不拒绝原假设,y t 非平稳。

前述三个方程可改写为: y t = y t -1 + u t , u t IID(0,

2) (1.b)

y t = + y t -1 + u t , u t IID(0, 2)

(2.b)

y t = +

t + y t -1 + u t , u t IID(0, (3.b)

其中

= -1。

于是H 0:

= 0,y t 非平稳;H 1: < 0。y t 平稳

检验统计量DF =)ˆ(ˆρρ

s =)ˆ(ˆβρs 。

.

可编辑

其中βˆ和ρˆ分别表示 和 的OLS 估计量。

注意: 检验顺序(3.b)、(2.b)、 (1.b)

2)ADF 检验(增项或扩展的DF )

如果被检验的真实过程是一个AR(p) 过程,而检验式是AR(1)形式,那么由于对y t 形式的设定错误,检验式对应的误差项必然表现为自相关。

当误差项具有相关性时,回归参数的检验统计量不再服从DF 分布。 假定y t 是AR(p) 过程:y t = 1 y t -1 +

2 y t -2 + … + p y t -p + u t

检验式应写为:y t =

y t -1 + j t p j j y --=*∑11

∆φ + u t

y t = y t -1 +