《应用时间序列分析》课程思政教学设计（博士研究生）

《应用时间序列分析》课程思政教学设计（博士研究生）一、课程基本信息【课程名称】应用时间序列分析【授课章节】第六章非平稳过程与协整模型【授课对象】经济学院、统计学院博士研究生一年级【授课时长】三个学时（150分钟）【课程性质】专业核心课/方法论必修课【教学重点】单位根过程、伪回归、协整理论与误差修正模型【教学难点】协整关系的检验与判断、误差修正模型的建立与解释【思政映射点】经济规律的客观性、长期均衡与短期波动的辩证关系、科学严谨的治学态度、透过现象看本质的哲学思维、服务国家宏观经济决策的使命感。二、教学背景与学情分析【基础】本课程授课对象为博士研究生一年级学生。在前期学习中，他们已经系统掌握了平稳时间序列的线性模型（如AR、MA、ARMA模型）的识别、估计、诊断与预测方法。他们具备扎实的计量经济学理论基础，熟悉至少一种专业软件（如EViews、Stata、R或Python）的操作，并对宏观经济学、金融学等领域的基本理论有较为深入的理解。然而，博士阶段的学习更强调研究的深度与创新性。学生们在之前的课程中，处理的对象多是平稳序列，但现实世界中的宏观经济指标（如GDP、CPI）、金融价格序列（如股价指数）大多呈现出非平稳的特征。因此，如何正确理解和处理非平稳数据，是连接理论方法与现实研究的【关键】桥梁。他们当前面临的困惑在于：明知不能直接对非平稳序列进行回归，但在实际研究中又必须探究这些变量之间的关系。协整理论正是为解决这一核心矛盾而生，它将激发学生强烈的求知欲和解决实际问题的渴望。三、教学目标设计【总体目标】深刻理解非平稳时间序列的本质特征，掌握单位根过程的数学表述与统计性质，透彻理解协整理论的哲学内涵与经济学意义，熟练运用EngleGranger两步法和Johansen方法进行协整检验与误差修正模型（ECM）的建立，培养运用科学方法论探索复杂经济系统内在规律的能力。【知识目标】（一）掌握非平稳时间序列的定义、分类（趋势平稳与差分平稳），能够从数学上严格区分确定性趋势与随机性趋势。（二）【高频考点】深入理解单位根过程（I(1)过程）的定义、性质及其对传统统计推断（如t检验、F检验）带来的冲击，即“伪回归”问题的本质。（三）【核心】掌握协整的定义、数学表述及其深刻的经济学含义——变量之间存在的长期稳定关系或共同随机趋势。（四）熟练掌握EngleGranger两步法的操作步骤、检验统计量（EGADF统计量）及其临界值的特殊性。（五）【难点】理解Johansen极大似然法的基本原理，掌握特征根迹检验和最大特征值检验，并能正确解读检验结果。（六）掌握误差修正模型（ECM）的推导、经济含义（短期调整与长期均衡的反馈机制）及其估计方法。【能力目标】（一）能够熟练运用软件对给定的宏观经济或金融数据进行单位根检验（ADF检验、PP检验），并准确解读检验结果，做出正确判断。（二）能够根据研究问题和数据特征，恰当选择并实施EngleGranger两步法或Johansen方法，对多变量系统进行协整分析。（三）能够构建并估计误差修正模型，定量描述变量间的长期均衡关系如何影响其短期动态调整行为。（四）【非常重要】培养批判性思维，能够审视协整分析的假设条件，对实证结果的稳健性进行讨论和反思。【情感、态度与价值观目标】（一）通过协整理论的发现（荣获2003年诺贝尔经济学奖），引导学生感悟科学研究中敏锐洞察力和严谨逻辑推理的重要性，培养大胆假设、小心求证的学术精神。（二）通过分析我国宏观经济数据的长期均衡关系（如消费与收入、进出口与GDP），引导学生理解国家经济发展的内在稳定性和规律性，增强对中国经济发展道路的理论自信。（三）【课程思政】在探讨短期波动与长期均衡的辩证关系时，引导学生思考个人发展与社会进步、改革力度与发展速度的关系，树立正确的世界观和方法论。（四）强调数据真实性和分析过程的规范性，培养学生追求真理、实事求是的科学道德和职业操守。四、教学内容与过程设计（一）新课导入：从“伪回归”的陷阱到“协整”的发现（20分钟）【热点】首先，通过一个经典的“伪回归”案例引入。展示两个完全独立的随机游走序列（例如，英国的累计降雨量与美国的累计GDP），通过散点图和回归分析，发现它们之间呈现出极高的拟合优度和显著的t统计量。提问学生：“我们能否就此认为英国的降雨决定了美国的经济增长？”学生们基于常识会立刻否认，但会陷入困惑：为什么统计学上显著的关系，在逻辑上完全不成立？这正是伪回归问题的核心——在非平稳变量之间，传统的统计检验失效了。通过这个生动的例子，让学生直观感受到非平稳数据处理不当所带来的严重误导性后果，【重要】点明传统计量方法在面对非平稳数据时的局限性，激发学习新理论的迫切需求。接着，话锋一转，提出一个正面的问题：那么，是否存在某些非平稳变量，它们之间的某种线性组合却呈现出平稳性呢？例如，消费与收入、长期利率与短期利率。它们虽然各自随时间漂移，但走势却形影不离。这种“形散而神不散”的关系，就是本节课要学习的核心——协整。由此，引出本节课的主题，并简要介绍Granger和Engle的开创性工作及其诺贝尔奖级贡献，将学术前沿与课程内容无缝衔接。（二）知识精讲：非平稳过程的深层剖析（30分钟）1.确定性趋势与随机性趋势从最简单的趋势模型入手，清晰阐述两种趋势的本质区别。定义模型形式：yt=α+βt+εty_t=\alpha+\betat+\varepsilon_tyt​=α+βt+εt​（趋势平稳过程，也称退势平稳过程）和yt=μ+yt−1+εty_t=\mu+y_{t1}+\varepsilon_tyt​=μ+yt−1​+εt​（随机游走过程，即单位根过程）。通过图示（手绘或软件生成）直观展示两种过程的区别：前者围绕确定性趋势线波动，冲击的影响是暂时的；后者则没有明确的均值回扯趋势，任何一次冲击都会永久性地改变序列未来的路径。强调单位根过程的方差随时间发散，趋于无穷大，这是其非平稳性的【重要】根源。2.单位根过程的数学表述与检验（1）深入讲解单位根的定义。从一阶自回归模型AR(1)：yt=ρyt−1+εty_t=\rhoy_{t1}+\varepsilon_tyt​=ρyt−1​+εt​出发，当∣ρ∣<1|\rho|<1∣ρ∣<1时，序列平稳；当ρ=1\rho=1ρ=1时，即为单位根过程。将模型改写为Δyt=δyt−1+εt\Deltay_t=\deltay_{t1}+\varepsilon_tΔyt​=δyt−1​+εt​，其中δ=ρ−1\delta=\rho1δ=ρ−1。此时，检验ρ=1\rho=1ρ=1等价于检验δ=0\delta=0δ=0。这里的t统计量不再服从传统的t分布，而是服从DickeyFuller分布，这就是ADF检验的理论基础。（2）【高频考点】详细讲解ADF检验的三个模型版本：不含截距项和趋势项、含截距项、含截距项和趋势项。通过严谨的推导和经济学案例，说明如何根据数据的实际图形特征（是否围绕0波动、是否有明显截距、是否有趋势）来选择合适的检验模型。强调错选模型会导致检验功效降低或检验结果失真。例如，对一个有明显时间趋势的GDP数据，如果选用不含趋势项的模型进行单位根检验，将很可能无法拒绝存在单位根的原假设，从而得出错误结论。（3）简述PP检验对ADF检验的改进之处——采用非参数方法修正序列相关和异方差问题，增强检验的稳健性。要求学生必须同时参考ADF和PP检验结果，进行综合判断。（三）核心理论：协整的概念、数学定义与经济学含义（30分钟）1.协整的直观理解与数学定义（1）【核心】首先，回到伪回归的例子，提出问题：如何判断一个看似显著的回归关系是“伪”的，还是反映了真实的“协整”关系？如果两个或多个I(1)过程的线性组合是I(0)过程，即平稳的，那么它们之间就存在协整关系。用公式表达：设Xt=(x1t,x2t,...,xkt)′...=(x_{1t},x_{2t},...,x_{kt})'...=(x1t​,x2t​,...,xkt​)′，如果xit∼I(1)x_{it}\simI(1)xit​∼I(1)，且存在一个非零向量β=(β1,β2,...,βk)′...ta=(\beta_1,\beta_2,...,\beta_k)'...β1​,β2​,...,βk​)′，使得β′Xt∼I(0)\beta'X_t\simI(0)β′Xt​∼I(0)，则称变量之间存在协整关系，β\betaβ称为协整向量。（2）经济学含义：【非常重要】协整关系描述了经济变量之间的长期均衡关系或共同趋势。这种关系并非统计上的偶然巧合，而是由经济系统的内在规律（如市场机制、政策约束、生产技术关系等）所决定的。例如，消费函数理论认为，长期中消费与收入保持一个稳定的比例；利率期限结构理论认为，不同期限的利率之间存在一个平稳的利差。协整正是为这些经济理论提供了一个严格的统计检验框架。2.协整与均衡的哲学思辨【课程思政】在此处融入辩证唯物主义思想。协整关系所代表的“长期均衡”，是经济系统内在的、相对稳定的、本质的联系；而短期中，变量会由于各种随机冲击（如政策调整、技术创新、外部冲击）而偏离均衡，表现为“短期波动”。但系统的内在“纠错机制”会将其拉回均衡。这种“长期均衡”与“短期波动”的对立统一，完美地诠释了事物发展过程中相对静止与绝对运动的辩证关系。引导学生思考：在个人成长和国家发展中，我们既要有锚定长期目标的“定力”（协整关系），也要有应对短期波动的“智慧”（误差修正机制），在动态调整中实现高质量发展。这一环节将方法论与世界观紧密结合，升华了课程的思想性。（四）方法实操（一）：EngleGranger两步法详解（30分钟）1.【基础】第一步：协整回归。（1）假设研究问题为探究居民消费支出（C_t）与可支配收入（Y_t）是否存在长期均衡关系。两者经检验均为I(1)过程。（2）建立回归模型：Ct=α+βYt+utC_t=\alpha+\betaY_t+u_tCt​=α+βYt​+ut​，使用普通最小二乘法（OLS）进行估计，得到残差序列u^t=Ct−α^−β^Yt\hat{u}_t=C_t\hat{\alpha}\hat{\beta}Y_tu^t​=Ct​−α^−β^​Yt​。这个残差序列就是变量间线性组合的估计值。2.【关键】第二步：对残差序列进行单位根检验。（1）对第一步得到的残差序列u^t\hat{u}_tu^t​进行ADF检验。这里必须【重要】强调：检验回归残差的ADF统计量临界值不同于标准的DF临界值。因为残差是基于估计的协整参数生成的，OLS方法倾向于使残差方差最小化，从而使序列看起来更平稳，所以需要使用Engle和Granger提供的特殊临界值表（或通过软件自动调整后的p值）。在软件操作演示中，务必提醒学生选择正确的检验设置。（2）如果检验结果拒绝“存在单位根”的原假设，即u^t\hat{u}_tu^t​为平稳序列，则表明C_t和Y_t之间存在协整关系，协整向量为(1,β^\hat{\beta}β^​)。如果无法拒绝原假设，则说明它们之间不存在长期均衡关系，需要重新审视模型设定。3.【难点与热点】EG两步法的优缺点评述。（1）优点：直观、简单、易于理解和操作，尤其适用于两个变量之间的协整检验。（2）缺点：小样本偏差较大；在两步估计中，第一步的估计误差会带入第二步，影响检验精度；当存在多个协整关系时，该方法无法估计出所有的协整向量。（五）方法实操（二）：Johansen极大似然法精讲（25分钟）1.方法引入的必要性针对EG两步法在多变量系统中的局限性，引入Johansen方法。该方法基于向量自回归模型（VAR）框架，能够同时检验和估计多个协整关系。2.基本原理简述（不涉及复杂数学推导，重在思想）（1）从一个k阶的VAR模型：Xt=Π1Xt−1+...+ΠkXt−k+μ+εtX_t=\Pi_1X_{t...+...+\Pi_kX_{tk}+\mu+\varepsilon_t...=Π1​Xt−1​+...+Πk​Xt−k​+μ+εt​出发，通过数学变换，写成向量误差修正模型（VECM）形式：ΔXt=ΠXt−1+∑i=1k−1ΓiΔXt−i+μ+εt\DeltaX_t=\PiX_{t1}+\sum_{i=1}^{k1}\Gamma_i\DeltaX_{ti}+\mu+\varepsilon_tΔXt​=ΠXt−1​+∑i=1k−1​Γi​ΔXt−i​+μ+εt​。其中，Π=αβ′\Pi=\alpha\beta'Π=αβ′是重点。（2）【非常重要】矩阵Π\PiΠ的秩r决定了协整关系的个数。如果r=0r=0r=0，说明变量间不存在协整关系；如果0<r<k0<r<k0<r<k（变量个数），则存在r个协整关系；如果r=kr=kr=k，说明所有变量都是平稳的，与原假设矛盾。（3）Johansen方法的核心就是通过检验矩阵Π\PiΠ的非零特征根的个数，来确定协整关系的数量。常用的检验统计量有特征根迹检验（TraceTest）和最大特征值检验（MaximumEigenvalueTest）。3.结果解读与模型选择（1）通过一个包含GDP、货币供应量、物价指数的三维系统案例，展示软件输出结果。详细解读迹统计量和最大特征值统计量的输出表格，判断在5%显著性水平下，应该拒绝r=0的原假设，但不能拒绝r≤1的原假设，从而得出结论：系统中存在一个协整关系。（2）介绍如何对协整向量进行经济意义识别。软件通常会给出标准化后的协整系数，学生需要结合经济理论来判断哪个协整关系是具有经济解释力的。例如，是货币数量方程还是ISLM关系。（3）强调在进行Johansen检验前，【重要】必须确定VAR模型的滞后阶数，这通常通过AIC、SC等信息准则来确定。（六）深化应用：误差修正模型（ECM）的构建与解释（15分钟）1.Granger表述定理【基础】介绍Granger表述定理的核心思想：如果一组变量存在协整关系，那么它们之间的短期动态关系一定可以用误差修正模型（ECM）来表示。这为从长期均衡过渡到短期分析提供了坚实的理论基础。2.ECM的构建与估计（1）以EG两步法得到的协整关系为例。假设已得到残差u^t−1=Ct−1−α^−β^Yt−1\hat{u}_{t1}=C_{t1}\hat{\alpha}\hat{\beta}Y_{t1}u^t−1​=Ct−1​−α^−β^​Yt−1​，这就是“误差修正项”，它代表了上一期经济系统对长期均衡的偏离程度。（2）建立ECM模型：ΔCt=γ+λu^t−1+∑i=1pθiΔCt−i+∑j=1qϕjΔYt−j+vt\DeltaC_t=\gamma+\lambda\hat{u}_{t1}+\sum_{i=1}^{p}\theta_i\DeltaC_{ti}+\sum_{j=1}^{q}\phi_j\DeltaY_{tj}+v_tΔCt​=γ+λu^t−1​+∑i=1p​θi​ΔCt−i​+∑j=1q​ϕj​ΔYt−j​+vt​。（3）【核心】参数λ\lambdaλ称为“调整系数”或“反馈系数”，它度量了当系统在上一期偏离均衡时，当期消费进行反向修正的速度。通常，λ\lambdaλ应为负值且在统计上显著。例如，如果上一期消费高于均衡水平（u^t−1>0\hat{u}_{t1}>0u^t−1​>0），那么当期消费增长ΔCt\DeltaC_tΔCt​就会减缓，以向均衡回归。（4）指导学生如何估计该模型，并解读各系数的含义，从而完整地揭示从长期关系到短期调整的全过程。（七）课堂互动与案例研讨（30分钟）【非常重要】将学生分为若干小组，围绕一个预设的综合案例——“中国城镇居民消费与收入的协整分析”进行实战研讨。提供1990年以来的中国城镇居民人均消费性支出和人均可支配收入的季度数据。（一）要求每个小组按照以下步骤进行讨论和操作（部分小组可上台展示）：1.对数据进行单位根检验，并报告结论。2.运用EG两步法检验两者是否存在协整关系，写出协整方程。3.估计相应的误差修正模型，解释调整系数的经济学含义。4.基于Johansen方法对同样数据进行分析，比较两种方法的结果，并就差异进行讨论。（二）引导讨论问题：消费与收入的协整关系在中国不同发展阶段（如加入WTO前后、金融危机前后）是否稳定？从ECM的调整系数看，中国消费的自我修正机制是快还是慢？这可能反映了什么经济结构特征？【课程思政】在讨论中，引导学生思考中国居民消费行为的变迁与中国经济增长模式转型的内在