協(xié)整檢驗eviews

1、四協(xié)整檢驗的相關(guān)應(yīng)用一基本思想及注意要點、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），但有時如果我們對它們之間的關(guān)系進(jìn)行長期觀察，會發(fā)現(xiàn)它們之間是存在著某種內(nèi)在的聯(lián)系的，即它們之間從長期看存在著穩(wěn)定的均衡關(guān)系。比如，兩個醉漢，同時從某一個平行的地點出發(fā)，盡管如果你單獨觀察某一個醉漢，會發(fā)現(xiàn)它們的走路并無明顯的規(guī)律可循，而且，隨著時間的延長，有偏離其走路均值的幅度越來越大的特點（非平穩(wěn)），但如果你事前在他們腰間拴一條繩子，而且他們波動的趨勢恰好相反，那么，你會發(fā)現(xiàn)，從長期來看，他們所走過路，是相對具有某種穩(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“一條繩子上拴兩個螞蚱”。2注意要點（1）協(xié)整一定是針對于同階單整的，即兩個或多個變量之間一定是同樣一個I（n）過程，即大家都必須是經(jīng)相同階的差分后才會平穩(wěn)。直觀的，如果將平穩(wěn)時間序列數(shù)據(jù)看作是“正常人”，非平穩(wěn)時間序列數(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“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候，認(rèn)為兩個或多個變量之間的關(guān)系不是單向的。協(xié)整只表明所觀察的兩個或幾個變量之

3、間長期可能存在某種穩(wěn)定的相對關(guān)系，但通常并不能一定認(rèn)為二者就具有因果關(guān)系，這也是為何實證當(dāng)中，一般是將協(xié)整與所謂的格蘭杰因果檢驗同時運用的原因（3）從上面的比如可知，即使兩個變量之間存在協(xié)整關(guān)系，而且也檢驗出存在因果關(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x變化多少引起y變化多少。不過，如果樣本量比較大，直接運用OLS進(jìn)行估計，從參數(shù)的準(zhǔn)確度來說，影響并不大，而且，參數(shù)實際會以比一般更快的速度一致的收斂到真實的參數(shù)。（4）協(xié)整往往與經(jīng)濟學(xué)上的“均衡”概念相聯(lián)系。

4、如果兩個變量之間存在協(xié)整關(guān)系，那么通常表明兩個變量之間具有長期均衡關(guān)系。從這一點也決定了，你通常不能對協(xié)整估計出來的方程結(jié)果進(jìn)行短期的乘數(shù)解釋。（5）在數(shù)學(xué)上，協(xié)整實際上表現(xiàn)為兩個或多個變量之間的線性組合是一個平穩(wěn)的變比量。比如，axt+byt是一個平穩(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，對協(xié)整系數(shù)進(jìn)行一般的乘數(shù)分析是沒有意義的。（6）eviews7.0給出了兩種協(xié)整檢驗的方法：一種是基于單方程的檢驗法；另一種是基于VAR的檢驗法。但eviews5.0以

5、前的版本沒有第一種方法。故下面僅簡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方法，那么， eviews會提供一些協(xié)整系數(shù)是否滿足某種約束的wald檢驗，比如，檢驗a+b是否為1等。3適用條件（1）雖然兩個同階變量間均可能存在協(xié)整關(guān)系，但eveiws上的協(xié)整檢驗僅針對于兩個或多個變量均為I（1）的情形，即僅針對于所有變量均同時為單位根的情形（2）由上，進(jìn)行協(xié)整分析的前提是先必須對所要觀察的變量進(jìn)行單位根檢驗，只有所有的變量均同時服從單位根時，才可進(jìn)行協(xié)整檢驗。二檢驗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)過線性變換后，有幾個接近于1的特征值，就表示有幾個協(xié)整向量。三檢驗步驟Eviews上JJ檢驗所基于的原始模型：1先建立一個群組對象；2在群組對象中選擇view/cointegration test；3在協(xié)整選項中選擇6個選項中的1個。經(jīng)驗原則是：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。若所有的變量均無時間趨勢，那么可以選擇2；如果有變量存在時間趨勢，且你認(rèn)為所有這些趨勢都是隨機的，那么選3；如果你認(rèn)為有的變量的趨勢是平穩(wěn)的，那么選4。四需注意的問題1VAR隨機擾動項必須是白噪聲，故有時需

7、加外生變量，以保證這一條件。但截距項與線性趨勢不必算做外生變量加以考慮，因為前面的5個選項中已包含這一因素。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，特別要注意的是，由于eviews給出的檢驗統(tǒng)計量分布取決于Yt的分布特征，而加入季節(jié)虛擬變量會改變Yt的均值與趨勢，因而臨界值對于加入外生變量后會無效。一個解決辦法是，一個基本的要求是，加入的這些季度變量應(yīng)當(dāng)對變量y的趨勢項無影響，但可對截距項有影響。為此，方法是對這些變量進(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)計量臨界值僅對內(nèi)生變量少于10個情形有效，而且，臨界值對于趨勢的假定很敏感。對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檢驗選項中的VAR指的是差分后的VAR。于是，如果設(shè)定在VAR中包含截距項，相當(dāng)于在Y的水平值上包含確定性的時間趨勢。7最大跡檢驗與特征值檢驗有時會出現(xiàn)沖突或矛盾，此時，按Johansen and Juselius (1990)的觀點，解決辦法是，先確定兩種方法所估計出的協(xié)整向量，然后，根據(jù)現(xiàn)實當(dāng)中協(xié)整關(guān)系的含義來看一下，哪一個估計

9、結(jié)果現(xiàn)好的反映了現(xiàn)實。8協(xié)整向量的個數(shù)必須小于內(nèi)生變量的個數(shù)，如果出現(xiàn)了等于內(nèi)生變量個數(shù)的情形，那么說明協(xié)整檢驗的功效較低，或模型設(shè)定有誤。實際上，如果協(xié)整向量個數(shù)等于內(nèi)生變量個數(shù)，那么就有內(nèi)生變量個數(shù)個協(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)整向量的計算1一般來說，協(xié)整向量是無法識別出的，因為/=。要識別出，就必須加入約束條件，這個約束條件由Johansen (1995)給出，即/S11=I。此時，給出的2Eviews還會給出完全正規(guī)化后的一個協(xié)整向量結(jié)果，特點是將第一個變量看作是因變量，其它變量看作是自變量，而且會給出漸近標(biāo)準(zhǔn)誤值。但要注意，這個

10、標(biāo)準(zhǔn)誤不能用于直接判斷參數(shù)的所謂顯著性。3有時也可根據(jù)先驗信息對協(xié)整向量與調(diào)整向量施加約束條件。表 協(xié)整檢驗結(jié)果五向量誤差修正模型一基本概述1VEC是一個受限制的VAR模型，這個限制就是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)濟向均衡的一個調(diào)整過程。2有幾個內(nèi)生變量，就有幾個誤差修正方程。3調(diào)整系數(shù)反映的是經(jīng)濟恢復(fù)均衡的速度。二如何估計VEC模型Eveiws上估計的原始模型：1首先必須檢驗所涉及變量是否存在協(xié)整關(guān)系？存在幾個協(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，是針對于一個數(shù)據(jù)序列組對象的，故須先建立一個序列組對象。方法是，在對象

11、框中同時選定幾個序列對象，然后以組的形式打開，也可直接生成一個VAR對象。3進(jìn)行VEC估計的選擇：quickestimate varvec。記住，vec是一種受限制的VAR。4對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)與趨勢項不允許出現(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，這里滯后項指的是VEC中一階差分的滯后項階數(shù)；第四，如果希望對協(xié)整關(guān)紗的調(diào)整系數(shù)進(jìn)行限制，可以選擇“VEC Restrictions”。5估計過程：eviews會先給出所有的協(xié)整關(guān)系，然后再給出VEC估計結(jié)果。三VEC的估計結(jié)果1VEC的結(jié)果包含兩部分：一部分是由Johansen程

12、序的協(xié)整檢驗結(jié)果。如果不對VAR施加限制，那么eviews將用一個缺省的標(biāo)準(zhǔn)化形式來表示各個協(xié)整關(guān)系。同時也會給出經(jīng)自由度調(diào)整后的系數(shù)估值漸近的標(biāo)準(zhǔn)誤值。這個標(biāo)準(zhǔn)誤值考慮了協(xié)整關(guān)系對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log likelihood。第一個在計算誤差方差時，利用自由度進(jìn)行了調(diào)整；第二個在計算誤差方差時，沒有用自由度進(jìn)行調(diào)整。四如何利用view和process功能來觀察一個VEC模型1View/Cointegration graph：這個選項的作用在于，將協(xié)整方程用圖形表示，或以對象的形式存儲起來。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，故它也隨著時間而變化。2關(guān)于VEC估計結(jié)果的一些Views：（1）residual/graph：畫出的是每一個VEC所代表的VAR系統(tǒng)中每一個方程的殘差序列。（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協(xié)整關(guān)系。（3）lag structure/granger causality、block exogeneity wald test：用于對所有的內(nèi)生變量進(jìn)行格蘭杰因果檢驗，或格蘭杰意義上的外生性檢驗。其作用在于有助于判斷，VAR系統(tǒng)中各個內(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，VAR系統(tǒng)中滯后項的個數(shù)。原假設(shè)是，包含某階滯后項。Wald檢驗的思想是，如果施加約束的模型與不施加約束的模型是無差異的，那么其統(tǒng)計量在統(tǒng)計上也應(yīng)是無差異的。（4）residual test/portmanteau