協(xié)整檢驗(yàn)eviews[基礎(chǔ)教學(xué)]

1、四協(xié)整檢驗(yàn)的相關(guān)應(yīng)用一基本思想及注意要點(diǎn)、適用條件1基本思想盡管一些變量是非平穩(wěn)的而且是同階單整的（比如，同為I（1）與I（2），但有時(shí)如果我們對(duì)它們之間的關(guān)系進(jìn)行長(zhǎng)期觀察，會(huì)發(fā)現(xiàn)它們之間是存在著某種內(nèi)在的聯(lián)系的，即它們之間從長(zhǎng)期看存在著穩(wěn)定的均衡關(guān)系。比如，兩個(gè)醉漢，同時(shí)從某一個(gè)平行的地點(diǎn)出發(fā)，盡管如果你單獨(dú)觀察某一個(gè)醉漢，會(huì)發(fā)現(xiàn)它們的走路并無(wú)明顯的規(guī)律可循，而且，隨著時(shí)間的延長(zhǎng)，有偏離其走路均值的幅度越來(lái)越大的特點(diǎn)（非平穩(wěn)），但如果你事前在他們腰間拴一條繩子，而且他們波動(dòng)的趨勢(shì)恰好相反，那么，你會(huì)發(fā)現(xiàn)，從長(zhǎng)期來(lái)看，他們所走過(guò)路，是相對(duì)具有某種穩(wěn)定的關(guān)系的，我們通常稱這種觀察到的現(xiàn)象為所謂的

2、協(xié)整關(guān)系。也可想一下“一條繩子上拴兩個(gè)螞蚱”。2注意要點(diǎn)（1）協(xié)整一定是針對(duì)于同階單整的，即兩個(gè)或多個(gè)變量之間一定是同樣一個(gè)I（n）過(guò)程，即大家都必須是經(jīng)相同階的差分后才會(huì)平穩(wěn)。直觀的，如果將平穩(wěn)時(shí)間序列數(shù)據(jù)看作是“正常人”，非平穩(wěn)時(shí)間序列數(shù)據(jù)看作是“醉漢”，那么，只有“醉漢”之間才可能存在協(xié)整關(guān)系，而且只有“醉”的程度是一樣的，才可能存在協(xié)整關(guān)系。故要利用協(xié)整技術(shù)，前提條件就是先判斷，你的變量序列是不是“醉漢”。拴一條繩子在兩個(gè)“醉漢”之間，在數(shù)學(xué)上可類比于線性組合。（2）如果存在協(xié)整關(guān)系，那么表明你在假定模型的時(shí)候，認(rèn)為兩個(gè)或多個(gè)變量之間的關(guān)系不是單向的。協(xié)整只表明所觀察的兩個(gè)或幾個(gè)變量之

3、間長(zhǎng)期可能存在某種穩(wěn)定的相對(duì)關(guān)系，但通常并不能一定認(rèn)為二者就具有因果關(guān)系，這也是為何實(shí)證當(dāng)中，一般是將協(xié)整與所謂的格蘭杰因果檢驗(yàn)同時(shí)運(yùn)用的原因（3）從上面的比如可知，即使兩個(gè)變量之間存在協(xié)整關(guān)系，而且也檢驗(yàn)出存在因果關(guān)系，但這種因果關(guān)系的方向通常并不確定，而且由于協(xié)整都是基于原始變量非平穩(wěn)的，因而，此前的“儀器”一般是失效的，故通常不要試圖對(duì)協(xié)整的分析結(jié)果進(jìn)行乘數(shù)等解析。比如，一般不能說(shuō)x變化多少引起y變化多少。不過(guò)，如果樣本量比較大，直接運(yùn)用OLS進(jìn)行估計(jì)，從參數(shù)的準(zhǔn)確度來(lái)說(shuō)，影響并不大，而且，參數(shù)實(shí)際會(huì)以比一般更快的速度一致的收斂到真實(shí)的參數(shù)。（4）協(xié)整往往與經(jīng)濟(jì)學(xué)上的“均衡”概念相聯(lián)系。

4、如果兩個(gè)變量之間存在協(xié)整關(guān)系，那么通常表明兩個(gè)變量之間具有長(zhǎng)期均衡關(guān)系。從這一點(diǎn)也決定了，你通常不能對(duì)協(xié)整估計(jì)出來(lái)的方程結(jié)果進(jìn)行短期的乘數(shù)解釋。（5）在數(shù)學(xué)上，協(xié)整實(shí)際上表現(xiàn)為兩個(gè)或多個(gè)變量之間的線性組合是一個(gè)平穩(wěn)的變比量。比如，axt+byt是一個(gè)平穩(wěn)變量。其中，a、b稱作協(xié)整系數(shù)。從數(shù)學(xué)表達(dá)式也可看出，協(xié)整并沒(méi)有給出x與y的因果關(guān)系方向，而且，既然axt+byt是平穩(wěn)的，那么顯然kaxt+kbyt也是平穩(wěn)的，故由此也可看出，對(duì)協(xié)整系數(shù)進(jìn)行一般的乘數(shù)分析是沒(méi)有意義的。（6）eviews7.0給出了兩種協(xié)整檢驗(yàn)的方法：一種是基于單方程的檢驗(yàn)法；另一種是基于VAR的檢驗(yàn)法。但eviews5.0以

5、前的版本沒(méi)有第一種方法。故下面僅簡(jiǎn)單介紹一下后一種方法。特別要注意，如果你用的是eviews7.0版本的基于單方程的檢驗(yàn)方法，那么， eviews會(huì)提供一些協(xié)整系數(shù)是否滿足某種約束的wald檢驗(yàn)，比如，檢驗(yàn)a+b是否為1等。3適用條件（1）雖然兩個(gè)同階變量間均可能存在協(xié)整關(guān)系，但eveiws上的協(xié)整檢驗(yàn)僅針對(duì)于兩個(gè)或多個(gè)變量均為I（1）的情形，即僅針對(duì)于所有變量均同時(shí)為單位根的情形（2）由上，進(jìn)行協(xié)整分析的前提是先必須對(duì)所要觀察的變量進(jìn)行單位根檢驗(yàn)，只有所有的變量均同時(shí)服從單位根時(shí)，才可進(jìn)行協(xié)整檢驗(yàn)。二檢驗(yàn)方法格蘭杰兩步法與Johansen(1991)創(chuàng)造的VAR矩陣特征值基礎(chǔ)之上。后者的原理

6、是，經(jīng)過(guò)線性變換后，有幾個(gè)接近于1的特征值，就表示有幾個(gè)協(xié)整向量。三檢驗(yàn)步驟Eviews上JJ檢驗(yàn)所基于的原始模型：1先建立一個(gè)群組對(duì)象；2在群組對(duì)象中選擇view/cointegration test；3在協(xié)整選項(xiàng)中選擇6個(gè)選項(xiàng)中的1個(gè)。經(jīng)驗(yàn)原則是：1、5一般很少用。如果選1，那么要求是所有的變量（VAR）都應(yīng)當(dāng)滿足平均值為0的條件；5可能會(huì)在樣本范圍內(nèi)具有較好的擬合效果，但外推效果很差。若所有的變量均無(wú)時(shí)間趨勢(shì)，那么可以選擇2；如果有變量存在時(shí)間趨勢(shì)，且你認(rèn)為所有這些趨勢(shì)都是隨機(jī)的，那么選3；如果你認(rèn)為有的變量的趨勢(shì)是平穩(wěn)的，那么選4。四需注意的問(wèn)題1VAR隨機(jī)擾動(dòng)項(xiàng)必須是白噪聲，故有時(shí)需

7、加外生變量，以保證這一條件。但截距項(xiàng)與線性趨勢(shì)不必算做外生變量加以考慮，因?yàn)榍懊娴?個(gè)選項(xiàng)中已包含這一因素。2如果數(shù)據(jù)出現(xiàn)突變斷裂，單位根檢驗(yàn)要有所改變。3最常要加的外生變量是季節(jié)虛擬變量。不過(guò)，特別要注意的是，由于eviews給出的檢驗(yàn)統(tǒng)計(jì)量分布取決于Yt的分布特征，而加入季節(jié)虛擬變量會(huì)改變Yt的均值與趨勢(shì)，因而臨界值對(duì)于加入外生變量后會(huì)無(wú)效。一個(gè)解決辦法是，一個(gè)基本的要求是，加入的這些季度變量應(yīng)當(dāng)對(duì)變量y的趨勢(shì)項(xiàng)無(wú)影響，但可對(duì)截距項(xiàng)有影響。為此，方法是對(duì)這些變量進(jìn)行中心化。命令是：series d_q=seas(q)-1/4（若是季度）；series d_m=seas(m)-1/12（若是

8、月度）4對(duì)于滯后階的選擇，要注意的是，所指定的滯后階指的是變量Y的一階差分滯后，另外，指定的方式是“1 2”。5統(tǒng)計(jì)量臨界值僅對(duì)內(nèi)生變量少于10個(gè)情形有效，而且，臨界值對(duì)于趨勢(shì)的假定很敏感。對(duì)于含有某些確定性回歸元的情形下，原有的臨界值就可能不再適合。6Eviews檢驗(yàn)選項(xiàng)中的VAR指的是差分后的VAR。于是，如果設(shè)定在VAR中包含截距項(xiàng)，相當(dāng)于在Y的水平值上包含確定性的時(shí)間趨勢(shì)。7最大跡檢驗(yàn)與特征值檢驗(yàn)有時(shí)會(huì)出現(xiàn)沖突或矛盾，此時(shí)，按Johansen and Juselius (1990)的觀點(diǎn)，解決辦法是，先確定兩種方法所估計(jì)出的協(xié)整向量，然后，根據(jù)現(xiàn)實(shí)當(dāng)中協(xié)整關(guān)系的含義來(lái)看一下，哪一個(gè)估計(jì)

9、結(jié)果現(xiàn)好的反映了現(xiàn)實(shí)。8協(xié)整向量的個(gè)數(shù)必須小于內(nèi)生變量的個(gè)數(shù)，如果出現(xiàn)了等于內(nèi)生變量個(gè)數(shù)的情形，那么說(shuō)明協(xié)整檢驗(yàn)的功效較低，或模型設(shè)定有誤。實(shí)際上，如果協(xié)整向量個(gè)數(shù)等于內(nèi)生變量個(gè)數(shù)，那么就有內(nèi)生變量個(gè)數(shù)個(gè)協(xié)整向量為基，從而單位矩陣MM也是協(xié)整向量，故所有的內(nèi)生變量都可能為I（0）的。五協(xié)整向量的計(jì)算1一般來(lái)說(shuō)，協(xié)整向量是無(wú)法識(shí)別出的，因?yàn)?=。要識(shí)別出，就必須加入約束條件，這個(gè)約束條件由Johansen (1995)給出，即/S11=I。此時(shí)，給出的2Eviews還會(huì)給出完全正規(guī)化后的一個(gè)協(xié)整向量結(jié)果，特點(diǎn)是將第一個(gè)變量看作是因變量，其它變量看作是自變量，而且會(huì)給出漸近標(biāo)準(zhǔn)誤值。但要注意，這個(gè)

10、標(biāo)準(zhǔn)誤不能用于直接判斷參數(shù)的所謂顯著性。3有時(shí)也可根據(jù)先驗(yàn)信息對(duì)協(xié)整向量與調(diào)整向量施加約束條件。表 協(xié)整檢驗(yàn)結(jié)果五向量誤差修正模型一基本概述1VEC是一個(gè)受限制的VAR模型，這個(gè)限制就是VAR中的向量都是非平穩(wěn)的，而且具有協(xié)整關(guān)系。于是，VEC模型就反映了經(jīng)濟(jì)向均衡的一個(gè)調(diào)整過(guò)程。2有幾個(gè)內(nèi)生變量，就有幾個(gè)誤差修正方程。3調(diào)整系數(shù)反映的是經(jīng)濟(jì)恢復(fù)均衡的速度。二如何估計(jì)VEC模型Eveiws上估計(jì)的原始模型：1首先必須檢驗(yàn)所涉及變量是否存在協(xié)整關(guān)系？存在幾個(gè)協(xié)整關(guān)系？這些信息應(yīng)做為關(guān)于VEC設(shè)定的一部分。2VEC與VAR一樣，是針對(duì)于一個(gè)數(shù)據(jù)序列組對(duì)象的，故須先建立一個(gè)序列組對(duì)象。方法是，在對(duì)象

11、框中同時(shí)選定幾個(gè)序列對(duì)象，然后以組的形式打開(kāi)，也可直接生成一個(gè)VAR對(duì)象。3進(jìn)行VEC估計(jì)的選擇：quickestimate varvec。記住，vec是一種受限制的VAR。4對(duì)VEC模型進(jìn)行設(shè)定：第一，大多數(shù)設(shè)定與一般的VAR設(shè)定相同；第二，常數(shù)與趨勢(shì)項(xiàng)不允許出現(xiàn)在外生變量設(shè)定的窗口中，而應(yīng)在協(xié)整模型中設(shè)定；第三，這里滯后項(xiàng)指的是VEC中一階差分的滯后項(xiàng)階數(shù)；第四，如果希望對(duì)協(xié)整關(guān)紗的調(diào)整系數(shù)進(jìn)行限制，可以選擇“VEC Restrictions”。5估計(jì)過(guò)程：eviews會(huì)先給出所有的協(xié)整關(guān)系，然后再給出VEC估計(jì)結(jié)果。三VEC的估計(jì)結(jié)果1VEC的結(jié)果包含兩部分：一部分是由Johansen程

12、序的協(xié)整檢驗(yàn)結(jié)果。如果不對(duì)VAR施加限制，那么eviews將用一個(gè)缺省的標(biāo)準(zhǔn)化形式來(lái)表示各個(gè)協(xié)整關(guān)系。同時(shí)也會(huì)給出經(jīng)自由度調(diào)整后的系數(shù)估值漸近的標(biāo)準(zhǔn)誤值。這個(gè)標(biāo)準(zhǔn)誤值考慮了協(xié)整關(guān)系對(duì)VAR的約束。另一部分就是協(xié)整結(jié)果了。2VEC結(jié)果中有兩個(gè)log likelihood。第一個(gè)在計(jì)算誤差方差時(shí)，利用自由度進(jìn)行了調(diào)整；第二個(gè)在計(jì)算誤差方差時(shí)，沒(méi)有用自由度進(jìn)行調(diào)整。四如何利用view和process功能來(lái)觀察一個(gè)VEC模型1View/Cointegration graph：這個(gè)選項(xiàng)的作用在于，將協(xié)整方程用圖形表示，或以對(duì)象的形式存儲(chǔ)起來(lái)。注意，這里的協(xié)整方程指的是偏離均衡的值，就是ax-by這一協(xié)整

13、關(guān)系的值，故它也隨著時(shí)間而變化。2關(guān)于VEC估計(jì)結(jié)果的一些Views：（1）residual/graph：畫(huà)出的是每一個(gè)VEC所代表的VAR系統(tǒng)中每一個(gè)方程的殘差序列。（2）lag structure/AR roots table、AR roots graph：所給出的是原VAR系統(tǒng)方程的系數(shù)矩陣的特征根，及特征根的圖。據(jù)此，可大致判斷共可能有幾個(gè)協(xié)整關(guān)系。（3）lag structure/granger causality、block exogeneity wald test：用于對(duì)所有的內(nèi)生變量進(jìn)行格蘭杰因果檢驗(yàn)，或格蘭杰意義上的外生性檢驗(yàn)。其作用在于有助于判斷，VAR系統(tǒng)中各個(gè)內(nèi)生變量，是否真的具有聯(lián)立性。（3）lag structure/lag exclusion wald test：用于檢驗(yàn)，VAR系統(tǒng)中滯后項(xiàng)的個(gè)數(shù)。原假設(shè)是，包含某階滯后項(xiàng)。Wald檢驗(yàn)的思想是，如果施加約束的模型與不施加約束的模型是無(wú)差異的，那么其統(tǒng)計(jì)量在統(tǒng)計(jì)上也應(yīng)是無(wú)差異的。（4）residual test/portmanteau test