误差修正模型

思想与步骤

考虑这样一个场景：
我们要对两个时间序列$x_t$和$y_t$构建模型，如果$x_t$和$y_t$平稳，那我们可以构建这么一个简单模型$y_t={\beta }_0+{\beta }_1{x}_t+{ϵ}_t$，然后用最小二乘去估计参数。

但是，如果$x_t$和$y_t$不平稳，但其一阶差分平稳，我们可能会考虑这样一个模型：$\Delta y_t={\beta }_0^{\prime }+{\beta }_1^{\prime }\Delta x_t+u_t$，其中，$u_t={ϵ}_t-{ϵ}_{t-1}$，

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$u_t={ϵ}_t-{ϵ}_{t-1}$和$u_{t-1}={ϵ}_{t-1}-{ϵ}_{t-2}$，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$x_t$和$y_t$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$y_t$和$x_t$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$x_t$和$y_t$的线性组合是平稳的。

那么可以对$y_t={\beta }_0+{\beta }_1{x}_t+u_t$用最小二乘估计其参数，然后对${\hat{u}}_t$进行平稳性检验，如果${\hat{u}}_t$平稳(即$y_t-{\hat{\beta }}_0-{\hat{\beta }}_1{x}_t$平稳)，则说明存在协整关系。

Step2

若${\hat{u}}_t$平稳，我们先假设对于自回归分布滞后模型ADL(1,1)：
$$y_t={\beta }_0^{\prime }+{\beta }_1^{\prime }{x}_t+{\beta }_2^{\prime }{x}_{t-1}+\gamma y_{t-1}+{ϵ}_t$$
将上式进行变换，可得：
$$\begin{array}{rl}{y}_t-y_{t-1}& ={\beta }_0^{\prime }+{\beta }_1^{\prime }(x_t-x_{t-1})+{\beta }_1^{\prime }{x}_{t-1}+{\beta }_2^{\prime }{x}_{t-1}+(\gamma -1)y_{t-1}+{ϵ}_t\\ \Delta y_t& ={\beta }_0^{\prime }+{\beta }_1^{\prime }\Delta x_t+(\gamma -1)(y_{t-1}-\frac{{\beta }_0^{\prime }}{1-\gamma }-\frac{{\beta }_1^{\prime }+{\beta }_2^{\prime }}{1-\gamma }{x}_{t-1})+{ϵ}_t\\ \Delta y_t& ={\beta }_0^{\prime }+{\beta }_1^{\prime }\Delta x_t+(\gamma -1){\hat{u}}_{t-1}+{ϵ}_t\end{array}$$

为何$y_{t-1}-\frac{{\beta }_0^{\prime }}{1-\gamma }-\frac{{\beta }_1^{\prime }+{\beta }_2^{\prime }}{1-\gamma }{x}_{t-1}={\hat{u}}_{t-1}$？

对于$y_t={\beta }_0^{\prime }+{\beta }_1^{\prime }{x}_t+{\beta }_2^{\prime }{x}_{t-1}+\gamma y_{t-1}+{ϵ}_t$，我们令$y^{\ast }=y_t(forallt)$，${ϵ}_t=0$，那么就有
$$y^{\ast }=\frac{{\beta }_0^{\prime }}{1-\gamma }+\frac{{\beta }_1^{\prime }+{\beta }_2^{\prime }}{1-\gamma }{x}^{\ast }$$即对应着$y_t$与$x_t$的长期均衡关系