《高级时间序列分析》（八）：协整与误差修正模型教学设计

《高级时间序列分析》（八）：协整与误差修正模型教学设计一、教学基本信息【学科】经济学/金融学（硕士研究生公共必修课/核心专业课）【学段】硕士研究生一年级【课题】协整与误差修正模型【课型】理论讲授与案例分析结合课【课时】3课时（每课时45分钟）【授课对象】经济学、金融学、统计学硕士研究生【基础要求】学生已完成《中级计量经济学》的学习，掌握平稳时间序列、单位根检验、VAR模型等基础知识。二、教材与学情分析（一）教材分析【非常重要】本节内容是时间序列分析从“伪回归”困境走向“非经典”现代分析范式的核心转折点。传统计量模型要求数据平稳，而宏观经济和金融数据大多是非平稳的。协整理论的提出，为非平稳变量之间的长期均衡关系研究提供了严谨的数理基础。误差修正模型则巧妙地将长期均衡与短期动态调整结合起来，构成了现代宏观金融实证分析的基石。本部分内容承上启下，既是对单位根过程的深化应用，又是后续学习VECM、面板协整等高级专题的基础。（二）学情分析【基础】学生已具备良好的计量经济学基础，熟悉OLS、平稳性检验等基本工具，能够理解和操作EViews或Stata软件进行简单的回归分析。但他们往往对“伪回归”的危害认识不够深刻，容易机械地进行回归分析，而忽略数据的内在属性。【难点】学生对于“线性组合平稳”这一抽象概念的理解可能存在困难，难以将数学定义与经济理论（如购买力平价、利率平价）中的均衡关系建立直观联系。此外，从协整关系推导出误差修正模型的数理推导过程对学生而言具有一定挑战性。三、教学目标（一）知识与技能目标1.【基础】深刻理解伪回归的本质及其产生的严重后果，能够通过实例辨别。2.【核心】准确识记并阐述协整的定义（线性组合平稳）、经济含义（长期均衡关系）及其与单位根过程的联系。3.【重要】熟练掌握EngleGranger两步法的操作步骤、检验原理（对残差进行单位根检验）及结果解读。4.【高频考点】理解并能够运用Johansen极大似然检验方法，正确解读迹统计量和最大特征值统计量，并确定协整关系的个数。5.【核心】掌握格兰杰表述定理的内涵，能够从协整关系推导出误差修正模型，并解释误差修正项（ECT）的系数含义（调整速度与反向修正机制）。6.能够熟练运用EViews或Stata软件完成从单位根检验、协整检验到误差修正模型估计的完整实证流程，并对输出结果进行规范的经济学解释。（二）过程与方法目标1.通过模拟伪回归的蒙特卡洛实验，培养学生对数据生成过程的敏感性，树立严谨的实证研究态度。2.通过对比EG两步法与Johansen法的适用条件和局限性，培养学生辨证分析问题和选择恰当计量工具的能力。3.通过“从理论到模型，再从模型回归理论”的循环推导（例如：由货币需求理论推导协整方程，再建立ECM），强化学生将经济理论与计量模型相结合的研究范式。（三）情感、态度与价值观目标1.感悟科学方法论的重要性，理解“看似相关实则无关”的伪相关背后隐藏的逻辑陷阱，培养学术诚信与严谨求实的科学精神。2.认识到时间序列分析从“平稳性假设”到“协整理论”的演变过程，是经济学思维与现实世界复杂性相互碰撞、相互促进的生动体现，激发学生对计量经济学理论探索的兴趣。四、教学重难点（一）教学重点1.协整关系的定义及其深刻的经济学内涵。2.【高频考点】EngleGranger两步法的原理与操作。3.【高频考点】格兰杰表述定理与误差修正模型的构建及系数解释。（二）教学难点4.【难点】“多个单位根变量的线性组合可以变为平稳”这一数学抽象概念与经济学中“长期均衡”概念的融合贯通。5.【难点】Johansen检验中迹统计量与最大特征值统计量的构造思想及如何根据检验结果确定协整秩。6.【难点】误差修正模型中，长期均衡（协整关系）与短期动态（差分项）如何通过误差修正项实现完美统一的逻辑机理。五、教学实施过程（核心环节）（一）导入：重温“伪回归”的警示（20分钟）【热点】1.情景创设：展示两张看似高度相关的时间序列图——中国GDP与美国某地区降雨量，或者我国某年股市走势与某球星进球数。提问：“如果我们直接对这两个序列进行回归，R²可能很高，t统计量也可能显著，这样的回归结果可信吗？能用于政策建议吗？”2.回顾与设问：引导学生回忆单位根检验的意义。如果两个相互独立的随机游走（如yt=yt−1+ϵ1ty_t=y_{t1}+\epsilon_{1t}yt​=yt−1​+ϵ1t​,xt=xt−1+ϵ2tx_t=x_{t1}+\epsilon_{2t}xt​=xt−1​+ϵ2t​）进行回归，我们通常会得到显著的t值和高R²。这就是Granger和Newbold在1974年发现的“伪回归”问题。【非常重要】其本质是因为两个独立的非平稳序列的趋势成分被错误地解释为相关性。3.引出核心问题：那么，在现实中，许多宏观经济变量（如消费与收入、进口与出口、股价与股息）虽然在理论上存在密切的关联，但它们各自又都是非平稳的。我们既不能简单回归（担心伪回归），又不能放弃研究它们之间的关系。有没有一种理论和方法，能够科学地识别非平稳变量之间真正存在的、稳定的、长期的伙伴关系呢？这正是我们今天要学习的主题——协整理论。（二）核心概念构建：协整的定义与内涵（35分钟）4.【基础】协整的严格定义：介绍Engle和Granger在1987年发表的经典论文中给出的定义。设向量Xt=(X1t,X2t,...,Xkt)′...thbf{X_t}=(X_{1t},X_{2t},...,X_{kt})'...=(X1t​,X2t​,...,Xkt​)′。（1）如果Xt\mathbf{X_t}Xt​的所有分量都是ddd阶单整的，记为Xt∼I(d)X_t\simI(d)Xt​∼I(d)。（2）如果存在一个非零向量β=(β1,β2,...,βk)′...ta=(\beta_1,\beta_2,...,\beta_k)'...β1​,β2​,...,βk​)′，使得线性组合β′Xt=β1X1t+β2X2t+...+βkXkt...ta'\mathbf{X_t}=\beta_1X_{1t}+\beta_2X_{2t}+...+\beta_kX_{kt}...t​=β1​X1t​+β2​X2t​+...+βk​Xkt​的单整阶数降低，为I(d−b)I(db)I(d−b)，其中b>0b>0b>0。那么，我们就称Xt\mathbf{X_t}Xt​的分量之间存在协整关系，β\betaβ称为协整向量。5.【难点】结合实际经济理论阐释：1.6.经典案例1（购买力平价PPP）：设sts_tst​为即期汇率（对数形式），pt∗p_t^pt∗​为国外价格水平（对数），ptp_tpt​为国内价格水平（对数）。购买力平价理论认为，在长期，st=pt−pt∗s_t=p_tp_t^st​=pt​−pt∗​（即实际汇率为常数）。如果st,pt,pt∗s_t,p_t,p_t^st​,pt​,pt∗​都是I(1)I(1)I(1)过程，那么它们的线性组合β′Xt=(1,−1,1)(st,pt,pt∗)′=st−pt+pt∗\beta'\mathbf{X_t}=(1,1,1)(s_t,p_t,p_t^)'=s_tp_t+p_t^β′Xt​=(1,−1,1)(st​,pt​,pt∗​)′=st​−pt​+pt∗​应该是I(0)I(0)I(0)（平稳的）。如果实际汇率序列是平稳的，就证明存在支持PPP的协整关系。2.7.经典案例2（永久收入假说）：设CtC_tCt​为消费，YtY_tYt​为收入。理论认为，消费与收入之间存在长期稳定的比例关系。如果CtC_tCt​和YtY_tYt​都是I(1)I(1)I(1)，那么Ct−βYtC_t\betaY_tCt​−βYt​应该是平稳的（即“误差”不会越跑越远）。8.【重要】强调关键点：1.9.同阶单整：通常讨论的是I(1)I(1)I(1)变量之间的协整，这是最常见的情形。如果变量单整阶数不同，通常不存在协整关系。2.10.线性组合：协整关系不一定是唯一的（当变量个数k>2时，最多可能存在k1个线性独立的协整向量）。3.11.经济均衡：协整的数学定义恰恰是经济学中“长期均衡”概念的完美统计刻画。β′Xt=0\beta'\mathbf{X_t}=0β′Xt​=0代表系统处于均衡状态，任何对均衡的偏离ut=β′Xtu_t=\beta'\mathbf{X_t}ut​=β′Xt​都是一个平稳的、均值为零的序列，意味着系统会受到某种力量的牵引，回归均衡。（三）方法论一：EngleGranger两步法（50分钟）12.【高频考点】基本思想：既然协整关系代表长期均衡，我们可以先将这个均衡关系作为回归方程估计出来，然后再检验这个均衡关系是否真的稳定（即残差是否平稳）。13.第一步：协整回归1.14.假设我们要检验yty_tyt​与xtx_txt​之间是否存在协整关系。首先用OLS估计回归方程：yt=α+βxt+uty_t=\alpha+\betax_t+u_tyt​=α+βxt​+ut​得到参数估计量α^\hat{\alpha}α^和β^\hat{\beta}β^​，并计算残差序列：u^t=yt−α^−β^xt\hat{u}_t=y_t\hat{\alpha}\hat{\beta}x_tu^t​=yt​−α^−β^​xt​2.15.【重要】这里的回归被称为“协整回归”。在大样本下，即使变量非平稳，β^\hat{\beta}β^​也是参数β\betaβ的超一致估计量（收敛速度比平稳变量回归快，为T而非T\sqrt{T}T<pathd="M95,702c2.7,0,7.17,2.7,13.5,8c5.8,5.3,9.5,10,9.5,14c0,2,0.3,3.3,1,4c1.3,2.7,23.83,20.7,67.5,54c44.2,33.3,65.8,50.3,66.5,51c1.3,1.3,3,2,5,2c4.7,0,8.7,3.3,12,10s173,378,173,378c0.7,0,35.3,71,104,213c68.7,142,137.5,285,206.5,429c69,144,104.5,217.7,106.5,221l00c5.3,9.3,12,14,20,14Hv40H845.2724s225.272,467,225.272,467s235,486,235,486c2.7,4.7,9,7,19,7c6,0,10,1,12,3s194,422,194,422s65,47,65,47zM83480Hv40hz">​）。16.第二步：残差的单位根检验1.17.【核心】对残差序列u^t\hat{u}_tu^t​进行单位根检验（如ADF检验）。检验的原假设H0H_0H0​：残差序列存在单位根（即u^t∼I(1)\hat{u}_t\simI(1)u^t​∼I(1)）。备择假设H1H_1H1​：残差序列平稳（即u^t∼I(0)\hat{u}_t\simI(0)u^t​∼I(0)）。2.18.【非常重要】如果拒绝原假设，即残差是平稳的，那么就可以认为yty_tyt​和xtx_txt​之间存在协整关系。因为平稳的残差意味着yty_tyt​和xtx_txt​的线性组合是平稳的。3.19.【难点】临界值问题：这里的ADF检验不能使用标准的DickeyFuller临界值，因为残差u^t\hat{u}_tu^t​是基于估计的参数计算出来的，而不是真实但不可观测的utu_tut​。标准的临界值会过于偏向于拒绝原假设。应使用MacKinnon（1991,2010）等提供的专门针对协整检验的响应面临界值。EViews等软件会自动提供正确的临界值（如EngleGranger检验或PhillipsOuliaris检验的临界值）。20.格兰杰表述定理与误差修正模型（ECM）的构建1.21.【非常重要】引出格兰杰表述定理：如果一组I(1)I(1)I(1)变量存在协整关系，那么它们一定可以表示为误差修正模型的形式。反之亦然。2.22.ECM的推导：假设yty_tyt​和xtx_txt​存在协整关系，协整方程为yt−1−α^−β^xt−1=0y_{t1}\hat{\alpha}\hat{\beta}x_{t1}=0yt−1​−α^−β^​xt−1​=0。那么，我们可以建立如下ECM：Δyt=γ0+γ1Δxt+λ(yt−1−α^−β^xt−1)+ϵt\Deltay_t=\gamma_0+\gamma_1\Deltax_t+\lambda(y_{t1}\hat{\alpha}\hat{\beta}x_{t1})+\epsilon_tΔyt​=γ0​+γ1​Δxt​+λ(yt−1​−α^−β^​xt−1​)+ϵt​3.23.公式解读：Δyt\Deltay_tΔyt​和Δxt\Deltax_tΔxt​：代表变量的短期波动。(yt−1−α^−β^xt−1)(y_{t1}\hat{\alpha}\hat{\beta}x_{t1})(yt−1​−α^−β^​xt−1​)：是误差修正项（ECT），代表上一期对长期均衡的偏离程度。λ\lambdaλ：是误差修正系数。【核心】其经济含义是，当系统在上一期偏离均衡时（比如yt−1y_{t1}yt−1​高于均衡值），在本期会以多大的力度进行调整以回到均衡。通常，λ\lambdaλ应为负值，体现了反向修正机制（例如，若yyy太高，为了回到均衡，本期yyy的增长速度Δyt\Deltay_tΔyt​应该放缓，即被负向修正）。其绝对值大小反映了调整速度。4.24.【高频考点】ECM的美妙之处：它将变量的水平值（长期信息）和一阶差分（短期信息）完美地结合在一个模型中，既反映了变量之间的长期均衡关系，又刻画了短期动态调整过程。25.案例演练与软件操作演示（EViews）：1.26.数据：中国年居民消费水平（CONS）和GDP（不变价，对数化处理，记为LNCONS和LNGDP）。2.27.步骤1：单位根检验。验证LNCONS和LNGDP均为I(1)I(1)I(1)过程。3.28.步骤2：EG两步法。1.4.29.点击Quick/EstimateEquation，输入“lnconsclngdp”，得到协整回归结果，并生成残差序列，例如命名为“resid01”。2.5.30.对残差序列resid01进行单位根检验（ADF）。选择不含截距项和趋势项的检验方程。观察检验统计量值与MacKinnon协整检验临界值（通常在结果中会特别注明）。若统计量小于临界值（如4.12<3.45），则拒绝“无协整”的原假设，认为存在协整关系。6.31.步骤3：估计ECM。1.7.32.在得到协整关系后，可以生成误差修正项：ect=lncons(协整方程中的系数c(1)lngdp+常数项系数c(2))。2.8.33.生成差分序列：dlncons=lnconslncons(1),dlngdp=lngdplngdp(1)。3.9.34.估计ECM：Quick/EstimateEquation，输入“dlnconscdlngdpect(1)”。观察ect(1)的系数，预期为负且统计显著。（四）方法论二：Johansen极大似然法（60分钟）35.【难点】引出多元系统与EG法的局限：1.36.当系统中变量个数k>2时，可能存在多个协整关系（例如，在三个变量组成的系统中，可能存在0,1或2个协整关系）。2.37.EG两步法只能估计出一个协整关系，且第一步中变量选择的位置（即哪个作为因变量）会影响结果（小样本下有偏）。3.38.因此，需要一个能够同时估计所有协整向量并检验协整秩（协整关系的个数）的方法。这就是Johansen（1988,1991）提出的基于VAR模型的极大似然检验方法。39.【基础】模型框架：考虑一个无约束的VAR(p)模型：Yt=Π1Yt−1+Π2Yt−2+...+ΠpYt−p+ΦDt+ϵt\mathbf{Y_t}=\mathbf{\Pi_1Y_{t1}}+\mathbf{\Pi_2Y_{t...+...+\mathbf{\Pi_pY_{tp}}+\mathbf{\PhiD_t}+\mathbf{\epsilon_t}...=Π1​Yt−1​+Π2​Yt−2​+...+Πp​Yt−p​+ΦDt​+ϵt​其中Yt\mathbf{Y_t}Yt​是k维I(1)I(1)I(1)内生变量向量，Dt\mathbf{D_t}Dt​是确定性项（常数、趋势）。40.转化为向量误差修正模型（VECM）：ΔYt=ΠYt−1+∑i=1p−1ΓiΔYt−i+ΦDt+ϵt\Delta\mathbf{Y_t}=\mathbf{\Pi}\mathbf{Y_{t1}}+\sum_{i=1}^{p1}\mathbf{\Gamma_i}\Delta\mathbf{Y_{ti}}+\mathbf{\PhiD_t}+\mathbf{\epsilon_t}ΔYt​=ΠYt−1​+∑i=1p−1​Γi​ΔYt−i​+ΦDt​+ϵt​其中，Π=∑i=1pΠi−I\mathbf{\Pi}=\sum_{i=1}^{p}\mathbf{\Pi_i}\mathbf{I}Π=∑i=1p​Πi​−I，Γi=−∑j=i+1pΠj\mathbf{\Gamma_i}=\sum_{j=i+1}^{p}\mathbf{\Pi_j}Γi​=−∑j=i+1p​Πj​。1.41.【核心】矩阵Π\mathbf{\Pi}Π包含了所有长期信息。Johansen检验的核心就是分析矩阵Π\mathbf{\Pi}Π的秩rrr。2.42.如果Π\mathbf{\Pi}Π的秩r=0r=0r=0，则Π\mathbf{\Pi}Π是零矩阵，说明变量间不存在任何协整关系，模型退化为仅对差分变量ΔYt\Delta\mathbf{Y_t}ΔYt​的VAR模型。3.43.如果Π\mathbf{\Pi}Π的秩r=kr=kr=k（满秩），则说明Yt\mathbf{Y_t}Yt​本身就是平稳的，这与我们的I(1)I(1)I(1)假设矛盾。4.44.如果Π\mathbf{\Pi}Π的秩0<r<k0<r<k0<r<k，则存在rrr个协整关系。此时Π\mathbf{\Pi}Π可以分解为：Π=αβ′\mathbf{\Pi}=\alpha\beta'Π=αβ′其中，β\betaβ是k×rk\timesrk×r的矩阵，其每一列代表一个协整向量（即长期均衡关系）。α\alphaα是k×rk\timesrk×r的矩阵，称为调整系数矩阵（即误差修正项的系数，反映各变量如何对偏离均衡做出反应）。45.【高频考点】Johansen检验的两种统计量：1.46.迹检验（TraceTest）：检验原假设“至多存在rrr个协整向量”对备择假设“存在kkk个协整向量”（即无约束）。统计量为：Trace=−T∑i=r+1kln⁡(1−λ^i)\race}=T\sum_{i=r+1}^{k}\ln(1\hat{\lambda}_i)Trace=−T∑i=r+1k​ln(1−λ^i​)其中，TTT是样本容量，λ^i\hat{\lambda}_iλ^i​是按大小排列的第iii个特征值。当λ^r+1,...,λ^k...t{\lambda}_{r+1},...,\hat{\lambda}_k...+1​,...,λ^k​都接近于0时，迹统计量会很小，无法拒绝原假设。2.47.最大特征值检验（MaximumEigenvalueTest）：检验原假设“存在rrr个协整向量”对备择假设“存在r+1r+1r+1个协整向量”。统计量为：λmax=−Tln⁡(1−λ^r+1)\lambda_{\{max}}=T\ln(1\hat{\lambda}_{r+1})λmax​=−Tln(1−λ^r+1​)48.案例演练与软件操作演示（EViews）：1.49.数据：扩展案例，研究货币需求函数。变量包括：实际货币余额（LNM1）、实际GDP（LNGDP）、利率（R）。均为季度数据，需进行季节调整。2.50.步骤1：同样，先对每个变量进行单位根检验，确认均为I(1)I(1)I(1)。3.51.步骤2：在EViews中，选中三个变量，右键/Open/asGroup。在group窗口，点击View/CointegrationTest/JohansenSystemCointegrationTest。4.52.步骤3：【难点】关键选项设置：1.5.53.滞后区间：首先需要为VAR模型确定最优滞后阶数ppp（通常在组内对各差分变量先建立VAR并选择AIC或SC准则）。在Johansen检验对话框中，输入1到p1（例如，如果最优VAR水平滞后期为4，则在此输入13，即差分项滞后3阶）。2.6.54.确定性趋势假设：这是Johansen检验中最微妙的部分。需要根据数据特征选择：(1)序列无确定性趋势，协整方程无截距（非常少见）。(2)序列无确定性趋势，协整方程有截距（最常见，如数据围绕常数均值波动）。(3)序列有线性趋势，但协整方程仅有截距（默认选项，适合大多数宏观数据）。(4)序列有线性趋势，协整方程也有趋势（如数据有明显上升趋势，且这种趋势在长期均衡关系中也存在）。(5)序列有二次趋势（极少用）。通常选择情况3或4，并观察检验结果是否稳健。7.55.步骤4：结果解读。【非常重要】1.8.56.UnrestrictedCointegrationRankTest(TraceandMaximumEigenvalue)：输出两张表。分别列出原假设（HypothesizedNo.ofCE(s)）、特征值、迹统计量/最大特征值统计量、5%临界值和概率值。2.9.57.从r=0r=0r=0开始看起。如果迹统计量（如45.67）大于5%临界值（如29.79），则拒绝“无协整”的原假设，认为至少存在一个协整关系。3.10.58.接着看r≤1r\leq1r≤1。如果统计量（如15.23）小于临界值（如15.49），则无法拒绝“至多存在一个协整关系”的原假设。因此，我们得出结论：存在1个协整关系（r=1r=1r=1）。4.11.59.如果r=0r=0r=0被拒绝，r≤1r\leq1r≤1也被拒绝，则继续看r≤2r\leq2r≤2，以此类推。12.60.步骤5：估计与解读协整向量。在结果下方，会给出标准化后的协整系数（通常将第一个变量的系数标准化为1）。例如，得到协整关系：LNM1=1.23LNGDP0.05R。可以据此解释长期货币需求的收入弹性和利率半弹性。（五）对比总结与前沿拓展（20分钟）61.EG两步法与Johansen法的对比：1.62.【基础】EG法：简单直观，适用于两个变量或已知单一协整关系的情况；但在小样本下有偏，无法处理多个协整关系。2.63.【重要】Johansen法：基于VAR的极大似然框架，能同时估计所有协整关系，可检验协整秩，并可对协整向量施加约束（如齐次性、排除性检验）；但结果对滞后阶数和确定性趋势假设较为敏感，需要谨慎设定。64.【热点】前沿拓展简要介绍：1.65.结构突变下的协整检验（GregoryHansen检验等）。2.66.面板协整检验（Pedroni,Kao检验等）。3.67.非线性协整与门限误差修正模型。4.68.分数维协整。六、板书设计（黑板左侧固定，右侧随堂推演）（左侧：核心框架）一、伪回归与协整（一）伪回归：两个独立I(1)回归，t显著，R²高。（二）协整定义：I(1)变量的线性组合为I(0)。（三）经济含义：长期均衡关系的统计刻画。二、协整检验方法（一）EngleGranger两步法1.协整回归：yt=α+βxt+uty_t=\alpha+\betax_t+u_tyt​=α+βxt​+ut​，得到u^t\hat{u}_tu^t​2.残差u^t\hat{u}_tu^t​单位根检验（MacKinnon临界值）（二）Johansen极大似然法（VAR→VECM）1.矩阵Π\mathbf{\Pi}Π的秩rrr2.分解Π=αβ′\mathbf{\Pi}=\alpha\beta'Π=αβ′3.迹检验Trace=−T∑ln⁡(1−λ^i)\race}=T\sum\ln(1\hat{\lambda}_i)Trace=−T∑ln(1−λ^i​)4.最大特征值检验λmax=−Tln⁡(1−λ^r+1)\lambda_{\{max}}=T\ln(1\hat{\lambda}_{r+1})λmax​=−Tln(1−λ^r+1​)三、误差修正模型（ECM）（一）格兰杰表述定理（二）ECM形式：Δyt=短期动态+