在现实生活中,有些序列自身的变化虽然是非平稳的,但序列和序列之间却有着非常密切的长期均衡关系。
比如农村家庭人均纯收入对数序列和人均生活消费支出对数序列,单整分析两个序列都是非平稳的,但是他们之间都有很强的相关性。这就可以建立协整模型对序列进行分析处理。
1.模型简介
假定自变量序列{X1},{x2},…{xk},响应变量序列为{yt},构造回归模型:
假定回归残差序列平稳,我们就称响应序列与自变量序列之间具有协整关系。
2.建模步骤
(1)读入数据,画出两个序列的时序图,判断两个序列是否具有很强的相关性。
(1) 建立自变量序列与响应序列的回归模型
(2)对上述回归序列的残差进行平稳性检验,若残差平稳,说明两个序列具有协整关系。
(3)对未来序列进行预测。
3.建立模型
本模型以1978年到2002年中国农村家庭纯收入序列和生活消费支出对数序列来进行建模。
(1)画出两个序列对数的时序图
library(tseries)
library(forecast)
library(zoo)
a=read.table("C:/Users/MrDavid/data_TS/A1.25.csv",sep=",",header=T)
x=ts(a$lnx,start=1978)
y=ts(a$lny,start=1978)
c1=min(x,y)
c2=max(x,y)
plot(x,ylim=c(c1,c2),type="o",