协整分析 计量经济学 EVIEWS建模完整ppt课件

精选ppt，用回归方法进行模型化时，各回归元是经济变量，它们大多是非常时序过程。 这与古典假设中各回归元稳定的前提条件相矛盾。 因此，在非稳态时间序列建模中，在避免伪回归现象发生的同时，必须进行寻找非稳态现象间长期均衡的协调分析。 一、伪回归和协调回归二、协调回归方程的建立和验证三、长期均衡和误差修正模型、非稳态时间序列的长期均衡分析、ppt、一、伪回归和协调回归、伪回归的含义和结果、 44444444444444444444444 eeeeeeeeeeeeeee 653这是格兰格和纽博尔德Newbold于1974年提出的，其理论解释和完善是飞利浦于1986年完成的。 在精选ppt、Granger和Newbold进行的实验中，从随机游戏系统中依次生成回归式： Yt=0 1Xt t的数据： Xt=Xt-1 ut、X0=0、utin (0，1 ) yt=yt-1 vt、Y0=0、vtin (0，1 )，其中，e j表示ui和vj遵循相互独立的标准正态分布，可知Xt和yt是相互独立的I(1)变量。 我们知道，基于两个独立的随机游离变量确立的回归方程式应该是无意义的，它所表现的任何关系都是欺骗性的。 更令人惊讶的是，在5%的显着性水平中，约75%的人有可能拒绝1=0这一假设。 另外，回归的R2值通常较大，其残差也显示出较高的自相关性。 这是因为选取了ppt，使用计算机将采样容量为T=100的两个时间序列x和y各重复生成10000次，对于每次生成的序列，Yt=b0 b1Xt et计算t(b1)的值，并且还获得1万个t(b1)的值的分布，如下面的图(2)所示三条试验分布曲线将模式图t(98 )分布和虚拟回归条件下的t分布图重叠起来，精选ppt，从上图的两条曲线可以看出t(b1)分布的方差远大于正常t分布的方差。 时间序列非稳定时，如果使用t检验，拒绝1=0的概率大幅度增加。 另外，在上述条件下，随着样本容量T，t(b1)的分布发散，因此拒绝1=0的概率越来越大，将不相关的现象视为因果关系来构建回归模型成为虚假回归问题。 选取ppt、拟回归的结果，若打破经典回归分析的稳定前提，仍采用最小二乘回归方法建立模型，则容易发生拟回归现象，其结果如下： (1)回归残差e不稳定，(2)由于回归无意义，(3)残差序列包含随机倾向，因此任何残差均不衰减， 模型中的方差是永久性的，具有永久性方差的经济模型不妥当，无法预测等，没有任何用途。ppt、残差序列不平稳时，由于方差无限大，所以自相关系数接近1。 因此，t检验、f检验、R2检验等统计检验不可靠。 Phillips在1986年，即使是大样本，y也是I(1)过程，残差e也是I(1)过程，即证明误差有单位根据，如果采用OLS法，就能得出10的错误结论。 另外，选择ppt，customername的协调和长期均衡、协调、“协调(co-integration )的定义”假设(n-1 )次向量y的各分量序列是d次单过程、YiI(d )。 (n-1 )在存在二维向量为线性组合序列yI (d-b )的情况下，被称为Yi的各分量间d、b维相协调，简记为YCI(d，b )中的向量被称为协调向量，中的要素被称为协调参数。 现实经济变量中的协调关系表明变量之间存在长期的平衡关系。 这是Engle&Granger(1987 )提出的协调理解的概念。若精选ppt并归纳一个例子，则对于XtI(d )、YtI(c )，由于Zt=(axtbytet)I(maxd，c )为zt=(axtbytt )=(axtbytt )-(axt-1 by TT-1 )=(axtbyttbytt )，因此在cd的情况下，ZT仅稳定差分c次一般来说，若设为XtI(c )、YtI(c )，则Zt=(aXtbYtby)I(c )，但在zt的单一整数次数小于c的情况下，xt与yt之间往往存在协调关系。 选取ppt，均衡是指现象由内在机构实现的相对稳定的状态，在系统受到干扰之后，该系统脱离均衡点，内在的均衡机构努力使系统再次恢复到均衡状态。 协调关系是非稳态经济变量长期均衡关系的统计描述。 也就是说，现象之间的内在均衡机制的存在状态：当经济变量x和y之间永远处于均衡状态时，如果系统由于某些因素的干扰而偏离了均衡点，这些因素永远变为零，则平均来说，误差不是零。系统在下一个时间点逐渐恢复到均衡状态。 我们选取均衡、ppt，把非随机干扰造成的作用看作均衡的结果，把非随机干扰造成的偏差称为非均衡误差，其作用阶段性地衰减。 这还表明，在具有均衡机制的系统中，均衡机制能够始终排除不均衡误差的干扰，使经济系统保持相对均衡。 具有这种机制的经济系统可以称为经济协调系统。精选协调系统、ppt，协调回归古典回归分析的前提条件是各回归元稳定，不稳定的各回归元仅在协调系统中有效。 (1)当各回归元件为同一阶段的单调时，如将协调回归的观察分为Y，x ci (1，1 )，即XI(1)、YI(1)。 在线性回归关系中，在协调向量为=(1，-b )的情况下，只有e=Y-bXI(0)表示该回归模型有效，如果残差e不平稳则回归没有意义。 协调系统和回归的关系，选择ppt，(2)若多个变量间的单一整数次数不同，回归关系的成立需要阶段性的协调关系。 在两个解释变量的回归模型Y=bX中，为了使X1I(2)、X2I(2)、YI(1)回归有效，必须使u=Y，XI(0)成立，其成立的条件是x的协调次数为1，即X=X1，x2ci (2，1 )这样的说明x=b1x1b 另外，Y，x ci (1，1 )成立，即也有u=Y-b1X1-b2X2I(0) . 此时协调矢量为=(1，-b1， -b2)，选取ppt、协调回归的特性，回归非平稳变量，如果存在协调关系，则该回归方程是协调回归方程；第一，残差序列的平稳性是最基本的特征要求； 如果存在该长期均衡，那么协调回归存在，协调系数bi就比超一致的估计量、即协调回归的OLS估计量比通常的稳定变量OLS估计量早地收敛。 当选取ppt并且回归非稳态时间序列时，如果不存在协调关系，那么结果是伪回归，第一，当前每个回归维是非稳态的并且每个单一整数阶数通常不同拟回归及其可能的情况是，精选ppt、二、协调回归方程的建立和验证，判断经济系统是否存在协调关系是协调检验，其检验方法大致可分为以下两类：一类是回归系数检验，通过多方程模型中介绍和使用的另一类是回归方程的建立过程这是单方程一致性检验的规范内容，具体可分为以下三个主要环节。在精选ppt，进行变量间的一致性检查时，首先应用DF、ADF、PP等方法初步判断经济变量的单一整数次数，并注意以下几点。 一维回归对变量的单整数阶的要求在双变量回归模型中仅包括一个解释变量和一个解释变量，因此它们之间的单整数阶必须相同。 例如，如果y和x都是I(d )，则确定经济变量之间的可能存在CI(d，d )；一维回归对变量的一维度的要求； (1)解释变量的单一整数阶数不能高于任何解释变量的单一整数阶数；(2)如果解释变量的单一整数阶数高于所述变量，则最高级的解释变量的数目可能需要两个或更多个； 即，在YI(N )、XiI(K )、XjI(K )情况下，kn，X=(XiXj)CI(K，K-N )； 协调回归可为Y=f(X)CI(N，n )。 另外，对多变量回归模型的变量单整数阶的要求是，精选ppt并判断波长的因果关系的波长因果关系检验(Grangertestofcausality )的基本方法使用yt=0iyt-Ijxt-jxt=0kxt-klyt-l， 结束上述两个方程式的各参数的整体有效性并进行无约束的f检验，(1)x是得到y方程式中的x各滞后项的参数整体不为零，x方程式中的y各滞后项的参数整体为零这4个方面的结论，(2)长期均衡的估计， 4444444444 eieeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee 这里的验证对滞后的长度很敏感，必须选择全部不同的滞后，以没有残差的自相关为基准。 选取ppt，长期均衡方程式的估计，判断各变量的单一整数次数后，通过因果关系的初步分析，求出协调关系可能存在的变量，对变量间的回归模型进行OLS估计。 可根据回归估计求出不均衡误差i的估计值和协调参数的估计值、即残差ei和各参数估计值b0、b1、bk等，用于进一步的协调检测。 选取ppt，进行残差项目的稳定性检查，只有在经济时间序列上存在协调关系的情况下，才能使不均衡误差稳定，为了确定变量之间是否存在真正的协调关系，通过不均衡误差的稳定性检查，进一步确认经济变量之间是否存在协调关系。 初步经验判断在平滑性检查不均衡误差(即模型的残差)时，可以用DW、DF、ADF、PP等多种方法进行检查。 ppt，精选经验判断。 也就是说，估计回归方程之后，如果存在低DW统计量和高R2，则可能存在伪回归。 dw检查方法。 这是残差是否是随机游动的判断H0:DW=0； 如果e是随机游走的话，DW接近0，相反有协调关系。 Sargan和Bhargana首先制作了验证协调性的DW显着性水准的阈值表。 举例来说，对于1%、5%和10%的每一有效性水平，DW阈值分别为0.511、0.386和0.322。 如果DW的值大于阈值，则否定原来的假设，认为回归是协调的。ppt、Engle和Granger于1987年提出的EG检测是协调检测的最常见方法，其检测的基本模型有以下两种： et=et-1 t或D(et)=et-1 t是扩大的EG检测模型，即AEG检测公式为D(et )=et-1 ki=1iD(et-i) t，因为切片项和趋势项一般加载到原回归模型中，所以不需要在残差et系列的检定模型中加载切片项和趋势项。 具体的检查程序如下： iii 7777777777777777777777777777776如果我们不能拒绝原来的假设，由于说明中存在单位根，被说明变量y和说明变量z的排列被认为不是协调关系。 如果能够拒绝原来的假设，那么残差就意味着平稳，如果y和z都是I(d )，那么y和z就是CI(d.d )。 检测时的原来的假设是精选ppt，因为OLS推定使残差平方和最小，所以协调回归OLS推定的残差序列容易变得平滑。 由于协调时的推定量超一致，残差的方差也有可能极小，导致残差序列的稳定，进而检查中拒绝原来的假设的比率比实际要大。 因此，基于残差et的EG和AEG检查的阈值条件比DF和ADF检查的阈值条件严格(即负)，敏感地拒绝零假设，反映了在非长期均衡的回归过程中被破坏的真正的误差属性。 精选检验统计量的分布及其阈值、ppt后，协调性检验的依据的分布不是正态分布和t分布，也不是DF分布，即使用于检验的阈值不能利用t和DF。 因此，两位学者利用蒙特卡罗模拟结果表明，协调检验阈值与协调回归公式中非定常变量的数量有关，即随着单整数变量的数量增加，阈值进一步向左移动。 具体结果是，Engle和Granger提供两个变量，采样容量为100的EG和AEG检验阈值表Engle和姚(Engleyoo，1987 )选取25个变量，显示不同采样容量的EG和AEG