思想与步骤
考虑这样一个场景:
我们要对两个时间序列
x
t
x_t
xt和
y
t
y_t
yt构建模型,如果
x
t
x_t
xt和
y
t
y_t
yt平稳,那我们可以构建这么一个简单模型
y
t
=
β
0
+
β
1
x
t
+
ϵ
t
y_t=\beta_0+\beta_1x_t+\epsilon_t
yt=β0+β1xt+ϵt,然后用最小二乘去估计参数。
但是,如果 x t x_t xt和 y t y_t yt不平稳,但其一阶差分平稳,我们可能会考虑这样一个模型: Δ y t = β 0 ′ + β 1 ′ Δ x t + u t \Delta y_t=\beta_0'+\beta_1'\Delta x_t+u_t Δyt=β0′+β1′Δxt+ut,其中, u t = ϵ t − ϵ t − 1 u_t=\epsilon_t-\epsilon_{t-1} ut=ϵt−ϵt−1,
可以发现一个问题,对于残差项,我们一般假设其序列不相关,但对于 u t = ϵ t − ϵ t − 1 u_t=\epsilon_t-\epsilon_{t-1} ut=ϵt−ϵt−1和 u t − 1 = ϵ t − 1 − ϵ t − 2 u_{t-1}=\epsilon_{t-1}-\epsilon_{t-2} ut−1=ϵt−1−ϵt−2,显然序列相关,违反回归模型的假定。另一方面,这样构造的模型只考虑短期变化的关系,并不能反映 x t x_t xt和 y t y_t yt的长期关系。
有什么方法可以让我们的模型中的变量是平稳的,同时考虑到长期关系以及残差项无序列相关。这便有了误差修正模型(ECM)的概念,以及Engle和Granger两步法来估计模型:
Step1
首先,我们要确定 y t y_t yt和 x t x_t xt是否存在协整关系,或者说是否存在长期均衡关系,即存在一个 x t x_t xt和 y t y_t yt的线性组合是平稳的。
那么可以对 y t = β 0 + β 1 x t + u t y_t=\beta_0+\beta_1x_t+u_t yt=β0+β1xt+ut用最小二乘估计其参数,然后对 u ^ t \hat{u}_t u^t进行平稳性检验,如果 u ^ t \hat{u}_t u^t平稳(即 y t − β ^ 0 − β ^ 1 x t y_t-\hat{\beta}_0-\hat{\beta}_1x_t yt−β^0−β^1xt平稳),则说明存在协整关系。
Step2
若
u
^
t
\hat{u}_t
u^t平稳,我们先假设对于自回归分布滞后模型ADL(1,1):
y
t
=
β
0
′
+
β
1
′
x
t
+
β
2
′
x
t
−
1
+
γ
y
t
−
1
+
ϵ
t
y_t=\beta_0'+\beta_1'x_{t}+\beta_2'x_{t-1}+\gamma y_{t-1}+\epsilon_t
yt=β0′+β1′xt+β2′xt−1+γyt−1+ϵt
将上式进行变换,可得:
y
t
−
y
t
−
1
=
β
0
′
+
β
1
′
(
x
t
−
x
t
−
1
)
+
β
1
′
x
t
−
1
+
β
2
′
x
t
−
1
+
(
γ
−
1
)
y
t
−
1
+
ϵ
t
Δ
y
t
=
β
0
′
+
β
1
′
Δ
x
t
+
(
γ
−
1
)
(
y
t
−
1
−
β
0
′
1
−
γ
−
β
1
′
+
β
2
′
1
−
γ
x
t
−
1
)
+
ϵ
t
Δ
y
t
=
β
0
′
+
β
1
′
Δ
x
t
+
(
γ
−
1
)
u
^
t
−
1
+
ϵ
t
\begin{align*} y_t-y_{t-1}&=\beta_0'+\beta_1'(x_t-x_{t-1})+\beta_1'x_{t-1}+\beta_2'x_{t-1}+(\gamma-1)y_{t-1}+\epsilon_t \\ \Delta y_t&=\beta_0'+\beta_1'\Delta x_t+(\gamma-1)(y_{t-1}-\dfrac{\beta_0'}{1-\gamma}-\dfrac{\beta_1'+\beta_2'}{1-\gamma}x_{t-1})+\epsilon_t \\ \Delta y_t&=\beta_0'+\beta_1'\Delta x_t+(\gamma-1)\hat{u}_{t-1}+\epsilon_t \end{align*}
yt−yt−1ΔytΔyt=β0′+β1′(xt−xt−1)+β1′xt−1+β2′xt−1+(γ−1)yt−1+ϵt=β0′+β1′Δxt+(γ−1)(yt−1−1−γβ0′−1−γβ1′+β2′xt−1)+ϵt=β0′+β1′Δxt+(γ−1)u^t−1+ϵt
为何 y t − 1 − β 0 ′ 1 − γ − β 1 ′ + β 2 ′ 1 − γ x t − 1 = u ^ t − 1 y_{t-1}-\dfrac{\beta_0'}{1-\gamma}-\dfrac{\beta_1'+\beta_2'}{1-\gamma}x_{t-1}=\hat{u}_{t-1} yt−1−1−γβ0′−1−γβ1′+β2′xt−1=u^t−1?
对于 y t = β 0 ′ + β 1 ′ x t + β 2 ′ x t − 1 + γ y t − 1 + ϵ t y_t=\beta_0'+\beta_1'x_{t}+\beta_2'x_{t-1}+\gamma y_{t-1}+\epsilon_t yt=β0′+β1′xt+β2′xt−1+γyt−1+ϵt,我们令 y ∗ = y t ( f o r a l l t ) y^*=y_t(for \;all\;t) y∗=yt(forallt), ϵ t = 0 \epsilon_t=0 ϵt=0,那么就有
y ∗ = β 0 ′ 1 − γ + β 1 ′ + β 2 ′ 1 − γ x ∗ y^*=\dfrac{\beta_0'}{1-\gamma}+\dfrac{\beta_1'+\beta_2'}{1-\gamma}x^* y∗=1−γβ0′+1−γβ1′+β2′x∗即对应着 y t y_t yt与 x t x_t xt的长期均衡关系