时间序列的协整检验与误差修正模型课件

§3.2时间序列的协整检验

与误差修正模型

一、长期均衡关系与协整二、协整的E-G检验三、协整的JJ检验四、关于均衡与协整关系的讨论五、结构变化时间序列的协整检验六、误差修正模型

§3.2时间序列的协整检验

与误差修正模型一、长期均衡关1一、长期均衡与协整分析

EquilibriumandCointegration一、长期均衡与协整分析

EquilibriumandCo21、问题的提出经典回归模型（classicalregressionmodel）是建立在平稳数据变量基础上的，对于非平稳变量，不能使用经典回归模型，否则会出现虚假回归等诸多问题。由于许多经济变量是非平稳的，这就给经典的回归分析方法带来了很大限制。但是，如果变量之间有着长期的稳定关系，即它们之间是协整的（cointegration)，则是可以使用经典回归模型方法建立回归模型的。例如，中国居民人均消费水平与人均GDP变量的例子,从经济理论上说，人均GDP决定着居民人均消费水平，它们之间有着长期的稳定关系，即它们之间是协整的。1、问题的提出经典回归模型（classicalregres3

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，如果变量在某时期受到干扰后偏离其长期均衡点，则均衡机制将会在下一期进行调整以使其重新回到均衡状态。假设X与Y间的长期“均衡关系”由式描述

2、长期均衡该均衡关系意味着:给定X的一个值，Y相应的均衡值也随之确定为0+1X。

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4在t-1期末，存在下述三种情形之一：Y等于它的均衡值：Yt-1=0+1Xt；Y小于它的均衡值：Yt-1<0+1Xt；Y大于它的均衡值：Yt-1>

0+1Xt；

在时期t，假设X有一个变化量Xt，如果变量X与Y在时期t与t-1末期仍满足它们间的长期均衡关系，即上述第一种情况，则Y的相应变化量为:vt=t-t-1

在t-1期末，存在下述三种情形之一：在时期t，假设X有一个5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t期末Y的变化往往会比第一种情形下Y的变化大一些；反之，如果t-1期末Y的值大于其均衡值，则t期末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。一个重要的假设就是:随机扰动项t必须是平稳序列。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。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，6式Yt=0+1Xt+t中的随机扰动项也被称为非均衡误差（disequilibriumerror），它是变量X与Y的一个线性组合：

如果X与Y间的长期均衡关系正确，该式表述的非均衡误差应是一平稳时间序列，并且具有零期望值，即是具有0均值的I(0)序列。非稳定的时间序列，它们的线性组合也可能成为平稳的。称变量X与Y是协整的（cointegrated）。式Yt=0+1Xt+t中的随机扰动项也被称为非均衡误差73、协整如果序列{X1t,X2t,…,Xkt}都是d阶单整，存在向量=(1,2,…,k)，使得Zt=XT~I(d-b)，其中，b>0，X=(X1t,X2t,…,Xkt)T，则认为序列{X1t,X2t,…,Xkt}是(d,b)阶协整，记为Xt~CI(d,b)，为协整向量（cointegratedvector）。如果两个变量都是单整变量，只有当它们的单整阶数相同时，才可能协整；如果它们的单整阶数不相同，就不可能协整。3、协整如果序列{X1t,X2t,…,Xkt}都是d阶单整，83个以上的变量，如果具有不同的单整阶数，有可能经过线性组合构成低阶单整变量。3个以上的变量，如果具有不同的单整阶数，有可能经过线性组合9（d,d）阶协整是一类非常重要的协整关系，它的经济意义在于：两个变量，虽然它们具有各自的长期波动规律，但是如果它们是（d,d）阶协整的，则它们之间存在着一个长期稳定的比例关系。例如，中国CPC和GDPPC，它们各自都是2阶单整，如果它们是(2,2)阶协整，说明它们之间存在着一个长期稳定的比例关系，从计量经济学模型的意义上讲，建立如下居民人均消费函数模型是合理的。

尽管两个时间序列是非平稳的，也可以用经典的回归分析方法建立回归模型。（d,d）阶协整是一类非常重要的协整关系，它的经济意义在于：10

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。从这里，我们已经初步认识到：检验变量之间的协整关系，11二、协整检验—EG检验二、协整检验—EG检验12

1、两变量的Engle-Granger检验为了检验两变量Yt,Xt是否为协整，Engle和Granger于1987年提出两步检验法，也称为EG检验。

第一步，用OLS方法估计方程Yt=0+1Xt+t并计算非均衡误差，得到：

称为协整回归(cointegrating)或静态回归(staticregression)。

1、两变量的Engle-Granger检验为了13非均衡误差的单整性的检验方法仍然是DF检验或者ADF检验。需要注意是，这里的DF或ADF检验是针对协整回归计算出的误差项，而非真正的非均衡误差。而OLS法采用了残差最小平方和原理，因此估计量是向下偏倚的，这样将导致拒绝零假设的机会比实际情形大。于是对et平稳性检验的DF与ADF临界值应该比正常的DF与ADF临界值还要小。非均衡误差的单整性的检验方法仍然是DF检验或者ADF检验。14MacKinnon(1991)通过模拟试验给出了协整检验的临界值。

MacKinnon(1991)通过模拟试验给出了协整检验的临15例题：对经过居民消费价格指数调整后的1978~2006年间中国居民总量消费Y与总量可支配收入X的数据，检验它们取对数的序列lnY与lnX间的协整关系。例题：对经过居民消费价格指数调整后的1978~2006年间中16时间序列的协整检验与误差修正模型17对于lnY与lnX，经检验，它们均是I(1)序列，最终的检验模型如下：

在5%的显著性水平下，ADF检验的临界值为－2.97对于lnY与lnX，经检验，它们均是I(1)序列，最终的检验18对lnY与lnX进行如下协整回归：

对lnY与lnX进行如下协整回归：19对计算得到的残差序列进行ADF检验，最终检验模型为：5%的显著性水平下协整的ADF检验临界值为－3.59结论：中国居民总量消费的对数序列lnY与总可支配收入的对数序列lnX之间存在（1,1）阶协整。注意：查什么临界值表？对计算得到的残差序列进行ADF检验，最终检验模型为：5%的202、多变量协整关系的检验—扩展的E-G检验多变量协整关系的检验要比双变量复杂一些，主要在于协整变量间可能存在多种稳定的线性组合。假设有4个I(1)变量Z、X、Y、W，它们有如下的长期均衡关系：非均衡误差项t应是I(0)序列：

2、多变量协整关系的检验—扩展的E-G检验多变量协21然而，如果Z与W，X与Y间分别存在长期均衡关系：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。例如由于vt象t一样，也是Z、X、Y、W四个变量的线性组合，由此vt式也成为该四变量的另一稳定线性组合。（1,-0,-1,-2,-3）是对应于t式的协整向量，（1,-0-0,-1,1,-1）是对应于vt式的协整向量。

一定是I(0)序列。然而，如果Z与W，X与Y间分别存在长期均衡关系：22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。检验程序：23

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。MacKinnon(1991)通过模拟试验得到的不同变量协整检验的临界值。检验残差项是否平稳的DF与ADF检验临界值要比通常的DF243、高阶单整变量的Engle-Granger检验

E-G检验是针对2个及多个I(1)变量之间的协整关系检验而提出的。在实际宏观经济研究中，经常需要检验2个或多个高阶单整变量之间的协整关系，虽然也可以用E-G两步法，但是残差单位根检验的分布同样已经发生改变。

3、高阶单整变量的Engle-Granger检验E-G检验25三、协整检验—JJ检验三、协整检验—JJ检验261、JJ检验的原理

Johansen于1988年，以及与Juselius一起于1990年提出了一种用向量自回归模型进行检验的方法，通常称为Johansen检验，或JJ检验，是一种进行多重I(1)序列协整检验的较好方法。1、JJ检验的原理Johansen于1988年，以及与J27没有移动平均项的向量自回归模型表示为：差分Yt为M个I(1)过程构成的向量

I(0)过程I(0)过程只有产生协整，才能保证新生误差是平稳过程没有移动平均项的向量自回归模型表示为：差分I(0)过程I(28将y的协整问题转变为讨论矩阵Π的性质问题将y的协整问题转变为讨论矩阵Π的性质问题29时间序列的协整检验与误差修正模型30于是，将yt中的协整检验变成对矩阵Π的分析问题。这就是JJ检验的基本原理。

于是，将yt中的协整检验变成对矩阵Π的分析问题。这就是312、JJ检验的预备工作

第一步：用OLS分别估计下式中的每一个方程，计算残差，得到残差矩阵S0，为一个(M×T)阶矩阵。2、JJ检验的预备工作第一步：用OLS分别估计下式中的每32第二步：用OLS分别估计下式中的每一个方程，计算残差，得到残差矩阵S1，也为一个(M×T)阶矩阵。第二步：用OLS分别估计下式中的每一个方程，计算残差，得到残33第三步：构造上述残差矩阵的积矩阵：

第三步：构造上述残差矩阵的积矩阵：34第四步：计算有序特征值和特征向量。

第四步：计算有序特征值和特征向量。35第五步：设定似然函数。

第五步：设定似然函数。363、JJ检验之一—特征值轨迹检验

服从Johansen分布。被称为特征值轨迹统计量。

3、JJ检验之一—特征值轨迹检验服从Johansen分布。37时间序列的协整检验与误差修正模型38嵌套检验嵌套检验39时间序列的协整检验与误差修正模型40

…，一直检验下去，直到出现第一个不显著的η(M－r)为止，说明存在r个协整向量。这r个协整向量就是对应于最大的r个特征值的经过正规化的特征向量。

…，一直检验下去，直到出现第一个不显著的η(M－r)414、JJ检验之一—最大特征值检验

该统计量被称为最大特征值统计量。于是该检验被称为最大特征值检验。

嵌套检验备择假设：至多有……4、JJ检验之一—最大特征值检验该统计量被称为最大特42时间序列的协整检验与误差修正模型43时间序列的协整检验与误差修正模型44由Johansen和Juselius于1990年计算得到Johansen分布临界值表。由Johansen和Juselius于1990年计算得到45时间序列的协整检验与误差修正模型46时间序列的协整检验与误差修正模型475、JJ检验实例国内生产总值GDP、居民消费总额CONSR、政府消费总额CONSP、资本形成总额INV取对数后为I(1)序列。即lnGDP、lnCONSR、lnCONSP、lnINV。对它们之间的协整关系进行检验。5、JJ检验实例国内生产总值GDP、居民消费总额CONSR、48时间序列的协整检验与误差修正模型49时间序列的协整检验与误差修正模型50时间序列的协整检验与误差修正模型51两种方法的结论是一致的。两种方法的结论是一致的。52时间序列的协整检验与误差修正模型536、JJ检验中的几个具体问题能否适用于高阶单整序列？JJ检验只能用于2个或多个I(1)变量的协整检验。对于多个高阶单整序列，采用差分或对数变换等将其变为I(1)序列，显然是可行的。但是，这时协整以至均衡的经济意义发生了变化，已经不反映原序列之间的结构关系。6、JJ检验中的几个具体问题能否适用于高阶单整序列？54如何选择截距和时间趋势项？分别考虑CE和VAR中是否有截距和时间趋势项作为假设显著性检验重新检验对协整关系检验结果无显著影响（检验统计量发生变化，但临界值同时发生变化）如何选择截距和时间趋势项？55时间序列的协整检验与误差修正模型56时间序列的协整检验与误差修正模型57如何在多个协整关系中作出选择？一般选择对应于最大特征值的第1个协整关系从应用的目的出发选择如何在多个协整关系中作出选择？58四、关于均衡与协整关系的讨论

四、关于均衡与协整关系的讨论59协整方程等价于均衡方程？协整方程等价于均衡方程？60时间序列的协整检验与误差修正模型61协整方程不等价于均衡方程协整方程具有统计意义，而均衡方程具有经济意义。时间序列之间在经济上存在均衡关系，在统计上一定存在协整关系；反之，在统计上存在协整关系的时间序列之间，在经济上并不一定存在均衡关系。协整关系是均衡关系的必要条件，而不是充分条件。

均衡方程中应该包含均衡系统中的所有时间序列，而协整方程中可以只包含其中的一部分时间序列。

协整方程的随机扰动项是平稳的，而均衡方程的随机扰动项必须是白噪声。不能由协整导出均衡，只能用协整检验均衡。协整方程不等价于均衡方程协整方程具有统计意义，而均衡方程具有62五、结构变化时间序列的协整检验

—GH检验五、结构变化时间序列的协整检验

—GH检验631、检验模型GregoryandHansen(1996)将ZivotandAndrews(1992)的方法推广到协整领域。提出的模型有3个，依次为模型A、B、C：1、检验模型GregoryandHansen(1996)642、检验步骤给定的迭代区间内，依次假定每一个点为断点，逐次进行回归得到残差序列；作残差的单位根检验；得到最小的t统计量，此最小值就是关键统计量的值。2、检验步骤给定的迭代区间内，依次假定每一个点为断点，逐次65六、误差修正模型

ErrorCorrectionModel,ECM六、误差修正模型

ErrorCorrectionMode661、一般差分模型的问题对于非稳定时间序列，可通过差分的方法将其化为稳定序列，然后才可建立经典的回归分析模型。模型只表达了X与Y间的短期关系，而没有揭示它们间的长期关系。关于变量水平值的重要信息将被忽略。误差项t不存在序列相关，t是一个一阶移动平均时间序列，因而是序列相关的。1、一般差分模型的问题对于非稳定时间序列，可通过差分的方法将672、误差修正模型是一种具有特定形式的计量经济学模型，它的主要形式是由Davidson、Hendry、Srba和Yeo于1978年提出的，称为DHSY模型。由于现实经济中很少处在均衡点上，假设具有（1,1）阶分布滞后形式

2、误差修正模型是一种具有特定形式的计量经济学模型，它的主要68Y的变化决定于X的变化以及前一时期的非均衡程度。一阶误差修正模型(first-ordererrorcorrectionmodel)的形式：若(t-1)时刻Y大于其长期均衡解0+1X，ecm为正，则(-ecm)为负，使得Yt减少；若(t-1)时刻Y小于其长期均衡解0+1X，ecm为负，则(-ecm)为正，使得Yt增大。体现了长期非均衡误差对短期变化的控制。Y的变化决定于X的变化以及前一时期的非均衡程度。若(t-1)69复杂的ECM形式，例如：复杂的ECM形式，例如：70误差修正模型的优点：如：a）一阶差分项的使用消除了变量可能存在的趋势因素，从而避免了虚假回归问题；b）一阶差分项的使用也消除模型可能存在的多重共线性问题；c）误差修正项的引入保证了变量水平值的信息没有被忽视；d）由于误差修正项本身的平稳性，使得该模型可以用经典的回归方法进行估计，尤其是模型中差分项可以使用通常的t检验与F检验来进行选取；等等。误差修正模型的优点：如：713、误差修正模型的建立Granger表述定理（Grangerrepresentaiontheorem）

Engle与Granger1987年提出

如果变量X与Y是协整的，则它们间的短期非均衡关系总能由一个误差修正模型表述。模型中没有明确指出Y与X的滞后项数，可以是多阶滞后；由于一阶差分项是I(0)变量，因此模型中允许采用X的非滞后差分项Xt。3、误差修正模型的建立Granger表述定理（Grange72建立误差修正模型，需要：首先对经济系统进行观察和分析，提出长期均衡关系假设。然后对变量进行协整分析，以发现变量之间的协整关系，即即检验长期均衡关系假设，并以这种关系构成误差修正项。最后建立短期模型，将误差修正项看作一个解释变量，连同其它反映短期波动的解释变量一起，建立短期模型，即误差修正模型。建立误差修正模型，需要：73Engle-Granger两步法第一步，进行协整回归（OLS法），检验变量间的协整关系，估计协整向量（长期均衡关系参数）；第二步，若协整性存在，则以第一步求到的残差作为非均衡误差项加入到误差修正模型中，并用OLS法估计相应参数。需要注意的是：在进行变量间的协整检验时，如有必要可在协整回归式中加入趋势项，这时，对残差项的稳定性检验就无须再设趋势项。另外，第二步中变量差分滞后项的多少，可以残差项序列是否存在自相关性来判断，如果存在自相关，则应加入变量差分的滞后项。Engle-Granger两步法74例题：建立中国居民总量消费Y的误差修正模型。经检验，中国居民总量消费（Y）与总的可支配收入（X）的对数序列间呈协整关系。以lnY关于lnX的协整回归中稳定残差序列作为误差修正项，可建立如下误差修正模型：滞后阶数由LM检验确定例题：建立中国居民总量消费Y的误差修正模型。滞后阶数由LM检75§3.2时间序列的协整检验

与误差修正模型

一、长期均衡关系与协整二、协整的E-G检验三、协整的JJ检验四、关于均衡与协整关系的讨论五、结构变化时间序列的协整检验六、误差修正模型

§3.2时间序列的协整检验

与误差修正模型一、长期均衡关76一、长期均衡与协整分析

EquilibriumandCointegration一、长期均衡与协整分析

EquilibriumandCo771、问题的提出经典回归模型（classicalregressionmodel）是建立在平稳数据变量基础上的，对于非平稳变量，不能使用经典回归模型，否则会出现虚假回归等诸多问题。由于许多经济变量是非平稳的，这就给经典的回归分析方法带来了很大限制。但是，如果变量之间有着长期的稳定关系，即它们之间是协整的（cointegration)，则是可以使用经典回归模型方法建立回归模型的。例如，中国居民人均消费水平与人均GDP变量的例子,从经济理论上说，人均GDP决定着居民人均消费水平，它们之间有着长期的稳定关系，即它们之间是协整的。1、问题的提出经典回归模型（classicalregres78

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，如果变量在某时期受到干扰后偏离其长期均衡点，则均衡机制将会在下一期进行调整以使其重新回到均衡状态。假设X与Y间的长期“均衡关系”由式描述

2、长期均衡该均衡关系意味着:给定X的一个值，Y相应的均衡值也随之确定为0+1X。

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79在t-1期末，存在下述三种情形之一：Y等于它的均衡值：Yt-1=0+1Xt；Y小于它的均衡值：Yt-1<0+1Xt；Y大于它的均衡值：Yt-1>

0+1Xt；

在时期t，假设X有一个变化量Xt，如果变量X与Y在时期t与t-1末期仍满足它们间的长期均衡关系，即上述第一种情况，则Y的相应变化量为:vt=t-t-1

在t-1期末，存在下述三种情形之一：在时期t，假设X有一个80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t期末Y的变化往往会比第一种情形下Y的变化大一些；反之，如果t-1期末Y的值大于其均衡值，则t期末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。一个重要的假设就是:随机扰动项t必须是平稳序列。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。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，81式Yt=0+1Xt+t中的随机扰动项也被称为非均衡误差（disequilibriumerror），它是变量X与Y的一个线性组合：

如果X与Y间的长期均衡关系正确，该式表述的非均衡误差应是一平稳时间序列，并且具有零期望值，即是具有0均值的I(0)序列。非稳定的时间序列，它们的线性组合也可能成为平稳的。称变量X与Y是协整的（cointegrated）。式Yt=0+1Xt+t中的随机扰动项也被称为非均衡误差823、协整如果序列{X1t,X2t,…,Xkt}都是d阶单整，存在向量=(1,2,…,k)，使得Zt=XT~I(d-b)，其中，b>0，X=(X1t,X2t,…,Xkt)T，则认为序列{X1t,X2t,…,Xkt}是(d,b)阶协整，记为Xt~CI(d,b)，为协整向量（cointegratedvector）。如果两个变量都是单整变量，只有当它们的单整阶数相同时，才可能协整；如果它们的单整阶数不相同，就不可能协整。3、协整如果序列{X1t,X2t,…,Xkt}都是d阶单整，833个以上的变量，如果具有不同的单整阶数，有可能经过线性组合构成低阶单整变量。3个以上的变量，如果具有不同的单整阶数，有可能经过线性组合84（d,d）阶协整是一类非常重要的协整关系，它的经济意义在于：两个变量，虽然它们具有各自的长期波动规律，但是如果它们是（d,d）阶协整的，则它们之间存在着一个长期稳定的比例关系。例如，中国CPC和GDPPC，它们各自都是2阶单整，如果它们是(2,2)阶协整，说明它们之间存在着一个长期稳定的比例关系，从计量经济学模型的意义上讲，建立如下居民人均消费函数模型是合理的。

尽管两个时间序列是非平稳的，也可以用经典的回归分析方法建立回归模型。（d,d）阶协整是一类非常重要的协整关系，它的经济意义在于：85

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。从这里，我们已经初步认识到：检验变量之间的协整关系，86二、协整检验—EG检验二、协整检验—EG检验87

1、两变量的Engle-Granger检验为了检验两变量Yt,Xt是否为协整，Engle和Granger于1987年提出两步检验法，也称为EG检验。

第一步，用OLS方法估计方程Yt=0+1Xt+t并计算非均衡误差，得到：

称为协整回归(cointegrating)或静态回归(staticregression)。

1、两变量的Engle-Granger检验为了88非均衡误差的单整性的检验方法仍然是DF检验或者ADF检验。需要注意是，这里的DF或ADF检验是针对协整回归计算出的误差项，而非真正的非均衡误差。而OLS法采用了残差最小平方和原理，因此估计量是向下偏倚的，这样将导致拒绝零假设的机会比实际情形大。于是对et平稳性检验的DF与ADF临界值应该比正常的DF与ADF临界值还要小。非均衡误差的单整性的检验方法仍然是DF检验或者ADF检验。89MacKinnon(1991)通过模拟试验给出了协整检验的临界值。

MacKinnon(1991)通过模拟试验给出了协整检验的临90例题：对经过居民消费价格指数调整后的1978~2006年间中国居民总量消费Y与总量可支配收入X的数据，检验它们取对数的序列lnY与lnX间的协整关系。例题：对经过居民消费价格指数调整后的1978~2006年间中91时间序列的协整检验与误差修正模型92对于lnY与lnX，经检验，它们均是I(1)序列，最终的检验模型如下：

在5%的显著性水平下，ADF检验的临界值为－2.97对于lnY与lnX，经检验，它们均是I(1)序列，最终的检验93对lnY与lnX进行如下协整回归：

对lnY与lnX进行如下协整回归：94对计算得到的残差序列进行ADF检验，最终检验模型为：5%的显著性水平下协整的ADF检验临界值为－3.59结论：中国居民总量消费的对数序列lnY与总可支配收入的对数序列lnX之间存在（1,1）阶协整。注意：查什么临界值表？对计算得到的残差序列进行ADF检验，最终检验模型为：5%的952、多变量协整关系的检验—扩展的E-G检验多变量协整关系的检验要比双变量复杂一些，主要在于协整变量间可能存在多种稳定的线性组合。假设有4个I(1)变量Z、X、Y、W，它们有如下的长期均衡关系：非均衡误差项t应是I(0)序列：

2、多变量协整关系的检验—扩展的E-G检验多变量协96然而，如果Z与W，X与Y间分别存在长期均衡关系：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。例如由于vt象t一样，也是Z、X、Y、W四个变量的线性组合，由此vt式也成为该四变量的另一稳定线性组合。（1,-0,-1,-2,-3）是对应于t式的协整向量，（1,-0-0,-1,1,-1）是对应于vt式的协整向量。

一定是I(0)序列。然而，如果Z与W，X与Y间分别存在长期均衡关系：97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。检验程序：98

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。MacKinnon(1991)通过模拟试验得到的不同变量协整检验的临界值。检验残差项是否平稳的DF与ADF检验临界值要比通常的DF993、高阶单整变量的Engle-Granger检验

E-G检验是针对2个及多个I(1)变量之间的协整关系检验而提出的。在实际宏观经济研究中，经常需要检验2个或多个高阶单整变量之间的协整关系，虽然也可以用E-G两步法，但是残差单位根检验的分布同样已经发生改变。

3、高阶单整变量的Engle-Granger检验E-G检验100三、协整检验—JJ检验三、协整检验—JJ检验1011、JJ检验的原理

Johansen于1988年，以及与Juselius一起于1990年提出了一种用向量自回归模型进行检验的方法，通常称为Johansen检验，或JJ检验，是一种进行多重I(1)序列协整检验的较好方法。1、JJ检验的原理Johansen于1988年，以及与J102没有移动平均项的向量自回归模型表示为：差分Yt为M个I(1)过程构成的向量

I(0)过程I(0)过程只有产生协整，才能保证新生误差是平稳过程没有移动平均项的向量自回归模型表示为：差分I(0)过程I(103将y的协整问题转变为讨论矩阵Π的性质问题将y的协整问题转变为讨论矩阵Π的性质问题104时间序列的协整检验与误差修正模型105于是，将yt中的协整检验变成对矩阵Π的分析问题。这就是JJ检验的基本原理。

于是，将yt中的协整检验变成对矩阵Π的分析问题。这就是1062、JJ检验的预备工作

第一步：用OLS分别估计下式中的每一个方程，计算残差，得到残差矩阵S0，为一个(M×T)阶矩阵。2、JJ检验的预备工作第一步：用OLS分别估计下式中的每107第二步：用OLS分别估计下式中的每一个方程，计算残差，得到残差矩阵S1，也为一个(M×T)阶矩阵。第二步：用OLS分别估计下式中的每一个方程，计算残差，得到残108第三步：构造上述残差矩阵的积矩阵：

第三步：构造上述残差矩阵的积矩阵：109第四步：计算有序特征值和特征向量。

第四步：计算有序特征值和特征向量。110第五步：设定似然函数。

第五步：设定似然函数。1113、JJ检验之一—特征值轨迹检验

服从Johansen分布。被称为特征值轨迹统计量。

3、JJ检验之一—特征值轨迹检验服从Johansen分布。112时间序列的协整检验与误差修正模型113嵌套检验嵌套检验114时间序列的协整检验与误差修正模型115

…，一直检验下去，直到出现第一个不显著的η(M－r)为止，说明存在r个协整向量。这r个协整向量就是对应于最大的r个特征值的经过正规化的特征向量。

…，一直检验下去，直到出现第一个不显著的η(M－r)1164、JJ检验之一—最大特征值检验

该统计量被称为最大特征值统计量。于是该检验被称为最大特征值检验。

嵌套检验备择假设：至多有……4、JJ检验之一—最大特征值检验该统计量被称为最大特117时间序列的协整检验与误差修正模型118时间序列的协整检验与误差修正模型119由Johansen和Juselius于1990年计算得到Johansen分布临界值表。由Johansen和Juselius于1990年计算得到120时间序列的协整检验与误差修正模型121时间序列的协整检验与误差修正模型1225、JJ检验实例国内生产总值GDP、居民消费总额CONSR、政府消费总额CONSP、资本形成总额INV取对数后为I(1)序列。即lnGDP、lnCONSR、lnCONSP、lnINV。对它们之间的协整关系进行检验。5、JJ检验实例国内生产总值GDP、居民消费总额CONSR、123时间序列的协整检验与误差修正模型124时间序列的协整检验与误差修正模型125时间序列的协整检验与误差修正模型126两种方法的结论是一致的。两种方法的结论是一致的。127时间序列的协整检验与误差修正模型1286、JJ检验中的几个具体问题能否适用于高阶单整序列？JJ检验只能用于2个或多个I(1)变量的协整检验。对于多个高阶单整序列，采用差分或对数变换等将其变为I(1)序列，显然是可行的。但是，这时协整以至均衡的经济意义发生了变化，已经不反映原序列之间的结构关系。6、JJ检验中的几个具体问题能否适用于高阶单整序列？129如何选择截距和时间趋势项？分别考虑CE和VAR中是否有截距和时间趋势项作为假设显著性检验重新检验对协整关系检验结果无显著影响（检验统计量发生变化，但临界值同时发生变化）如何选择截距和时间趋势项？130时间序列的协整检验与误差修正模型131时间序列的协整检验与误差修正模型132如何在多个协整关系中作出选择？一般选择对应于最大特征值的第1个协整关系从应用的目的出发选择如何在多个协整关系中作出选择？133四、关于均衡与协整关系的讨论

四、关于均衡与协整关系的讨论134协整方程等价于均衡方程？协整方程等价于均衡方程？135时间序列的协整检验与误差修正模型136协整方程不等价于均衡方程协整方程具有统计意义，而均衡方程具有经济意义。时间序列之间在经济上存在均衡关系，在统计上一定存在协整关系；反之，在统计上存在协整关系的时间序列之间，在经济上并不一定存在均衡关系。协整关系是均衡关系的必要条件，而不是充分条件。

均衡方程中应该包含均衡系统中的所有时间序列，而协整方程中可以只包含其中的一部分时间序列。

协整方程的随机扰动项是平稳的，而均衡方程的随机扰动项必须是白噪声。不能由协整导出均衡，只能用协整检验均衡。协整方程不等价于均衡方程协整方程具有统计意义，而均衡方程具有137五、结构变化时间序列的协整检验

—GH检验五、结构变化时间序列的协整检验

—GH检验1381、检验模型GregoryandHansen(1996)将ZivotandAndrews(1992)的方法推广到协整领域。提出的模型有3个，依次为模型A、B、C：1、检验模型GregoryandHansen(1996)1392、检验步骤给定的迭代区间内，依次假定每一个点为断点，逐次进行回归得到残差序列；作残差的单位根检验；得到最小的t统计量，此最小值就是关键统计量的值。2、检验步骤给定的迭代区间内，依次假定每一个点为断点，逐次140六、误差修正模型

ErrorCorrectionMo