【计量经济学导论】09. 协整与误差修正模型

协整与误差修正模型

长期均衡与协整分析

经典回归模型是建立在平稳数据变量基础上的。许多经济变量是非平稳的，使用经典回归模型会出现伪回归等诸多问题。但是如果变量之间有着长期的稳定关系，即它们之间是协整的，则可以使用经典回归模型。

长期均衡意味着经济系统不存在破坏均衡的内在机制，如果变量在某时期受到干扰后偏离其长期均衡点，则均衡机制将会在下一期进行调整以使其重新回到均衡状态。

假设 $X$ 与 $Y$ 之间的长期均衡关系由下式描述：
$$Y_t={\alpha }_0+{\alpha }_1{X}_t+{\mu }_t.$$
这个式子对均衡关系的解释为：给定 $X$ 的一个值，$Y$ 相应的均衡值也随之确定为 ${\alpha }_0+{\alpha }_{1}X$ 。

这个式子隐含了一个重要的假设：${\mu }_t$ 必须是平稳序列。

如果假设不成立，即 ${\mu }_t$ 有上升或下降的随机性趋势。会导致 $Y$ 对其均衡点的任何偏离被长期累积下来而不能被消除。

在这个假设的基础上，我们称 ${\mu }_t$ 为非均衡误差，它是变量 $X$ 和 $Y$ 的一个线性组合
$${\mu }_t=Y_t-{\alpha }_0-{\alpha }_1{X}_t.$$
如果 $X$ 与 $Y$ 之间具有长期均衡关系，则 ${\mu }_t$ 应是一零均值平稳时间序列，即零均值 $\mathrm{I}(0)$ 序列。

另一方面，非平稳的时间序列 $X$ 和 $Y$ 的线性组合可能成为平稳时间序列，我们称 $X$ 和 $Y$ 是协整的。由此便引出了协整的定义。

协整的定义

如果时间序列 $Y_{t1},Y_{t2},...,Y_{tk}$ 都是 $d$ 阶单整的，存在向量 $\mathbf{\alpha }=({\alpha }_1,{\alpha }_2,...,{\alpha }_k)$，使得
$$Z_t=\mathbf{\alpha }{\mathbf{Y}}^{\mathrm{T}}={\alpha }_1{Y}_{t1}+{\alpha }_2{Y}_{t2}+...+{\alpha }_k{Y}_{tk}\sim \mathrm{I}(d-b),d\ge b\ge 0,$$
则称序列 $Y_{t1},Y_{t2},...,Y_{tk}$ 是 $(d,b)$ 阶协整，记为 $\mathrm{C}\mathrm{I}(d,b)$ 。

如果两个变量都是单整变量，只有当它们的单整阶数相同时，才可能协整；如果它们的单整阶数不相同，就不可能协整。

如果存在三个以上的单整变量且具有不同的单整阶数，有可能经过线性组合构成低阶单整变量。

例如：$W_t\sim \mathrm{I}(1)$ ，$V_t\sim \mathrm{I}(2)$ ，$U_t\sim \mathrm{I}(2)$ ，

若进行以下的线性变换并满足以下条件：
$$P_t=a{V}_t+b{U}_t\sim \mathrm{I}(1),$$

$$Q_t=c{W}_t+d{P}_t\sim \mathrm{I}(0),$$

则有结论：
$$V_t,U_t\sim \mathrm{C}\mathrm{I}(2,1),$$

$$W_t,P_t\sim \mathrm{C}\mathrm{I}(1,1).$$

$\mathrm{C}\mathrm{I}(d,d)$ 的经济意义：两个变量虽然它们具有各自的长期波动规律，但是如果它们是 $(d,d)$ 阶协整的，则它们之间存在着一个长期稳定的比例关系。即使两个时间序列是非平稳的，也可以用经典的回归分析方法建立回归模型。

协整的检验

两变量 Engle-Granger 检验

检验两个呈现 $\mathrm{I}(1)$ 的变量 $y_t,x_t$ 是否为协整。

step.1 用 OLS 估计如下方程并计算非均衡误差（该回归又被称为协整回归、静态回归）：
$$y_t={\alpha }_0+{\alpha }_1{x}_t+{\mu }_t,$$
得到
$$e_t=y_t-{\hat{y}}_t=y_t-{\hat{\alpha }}_0+{\hat{\alpha }}_1{x}_t.$$
step.2 检验 $e_t$ 的平稳性：

如果 $e_t$ 是平稳序列 $\mathrm{I}(0)$ ，则 $y_t,x_t\sim \mathrm{C}\mathrm{I}(1,1)$， $x_t$ 与 $y_t$ 之间存在协整关系；

如果 $e_t$ 是非平稳的，则 $x_t$ 与 $y_t$ 之间不存在协整关系。

检验方法：DF 检验或 ADF 检验
$$\Delta e_t=\delta e_{t-1}+\sum _{i=1}^p{\theta }_i\Delta e_{t-i}+{\epsilon }_t.$$
注意：这里的检验对象是协整回归计算出的误差项，并非真正的非均衡误差。而 OLS 法采用了最小残差平方和的原理，因此估计量 $\delta$ 是向下偏倚的，这将导致拒绝零假设的机会比实际情形大。因此对于 $e_t$ 的平稳性检验的 DF 与 ADF 临界值比正常的 DF 与 ADF 检验的临界值小。

多变量协整关系检验

扩展的 EG 检验

为什么多变量协整关系的检验比双变量复杂？——协整变量间可能存在多种稳定的线性组合。

例如：假设有4个 $\mathrm{I}(1)$ 的变量 $Z,X,Y,W$ ，它们有如下的长期均衡关系：
$$Z_t={\alpha }_0+{\alpha }_1{W}_t+{\alpha }_2{X}_t+{\alpha }_3{Y}_t+{\mu }_t,$$
得到非均衡误差 ${\mu }_t$ 是 $\mathrm{I}(0)$ 序列
$${\mu }_t=Z_t-{\alpha }_0-{\alpha }_1{W}_t-{\alpha }_2{X}_t-{\alpha }_3{Y}_t\sim \mathrm{I}(0).$$
但存在另一种情况，假设 $Z$ 与 $W$ ，$X$ 与 $Y$ 之间分别存在长期均衡关系
$$Z_t={\beta }_0+{\beta }_1{W}_t+u_t,$$

$$X_t={\gamma }_0+{\gamma }_1{Y}_t+v_t,$$

则非均衡误差项 $u_t$ 和 $v_t$ 一定是平稳序列 $\mathrm{I}(0)$ 。于是它们的线性组合也一定是平稳序列，如：
$$w_t=u_t+v_t=Z_t-{\beta }_0-{\gamma }_0-{\beta }_1{W}_t+X_t-{\gamma }_1{Y}_t\sim \mathrm{I}(0).$$
因此存在多组协整向量。

多变量的协整检验步骤：

• 与双变量基本相同，需要检验变量是否具有同阶单整性，以及是否存在稳定的线性组合。
• 在检验是否存在稳定的线性组合时，需要通过设置一个变量为被解释变量，其他变量为解释变量，进行 OLS 估计并检验残差序列是否为平稳序列。如果不平稳则需更换被解释变量，进行同样的 OLS 估计和相应的残差序列的平稳性检验。
• 当所有的变量都被作为被解释变量检验之后，仍不能得到平稳的残差项序列，则认为这些变量间不存在 $(1,1)$ 阶协整。

一般差分模型的问题

对于非平稳时间序列，可以通过差分的方法将其化为稳定序列。
$$Y_t={\alpha }_0+{\alpha }_1{X}_t+{\mu }_t,$$

$$\Delta Y_t={\alpha }_1\Delta X_t+v_t,$$

$$v_t={\mu }_t-{\mu }_{t-1}.$$

但是这种做法会引起两个问题：

• 如果 $X$ 与 $Y$ 之间存在长期稳定的均衡关系，且误差项 ${\mu }_t$ 不存在序列相关性，则差分式中的 $v_t$ 是一个一阶移动平均时间序列，因而存在序列相关的问题。
• 如果采用差分形式进行估计，则关于变量水平值的重要信息将被忽略，这时的模型只表达了 $X$ 和 $Y$ 之间的短期关系，而没有揭示它们间的长期关系。

例如，当我们使用 $\Delta Y_t={\alpha }_1\Delta X_t+v_t$ 进行回归分析时，容易出现截距项显著不为 $0$ 的情况，即我们得到的估计方程是
$$\Delta Y_t={\hat{\alpha }}_0+{\hat{\alpha }}_1\Delta X_t+{\hat{v}}_t,{\hat{\alpha }}_0\ne 0.$$
此时即使保持 $X$ 不变， $Y$ 也会出于长期的上升或下降的过程中，这意味着 $X$ 与 $Y$ 之间不存在静态均衡，与大多数具有长期均衡的经济理论假说不相符。

误差修正模型

假设 $X_t$ 与 $Y_t$ 的长期均衡关系为
$$Y_t={\alpha }_0+{\alpha }_1{X}_t+u_t,$$
由于现实经济中 $X$ 与 $Y$ 很少处在均衡点上，因此实际观测到的只是 $X$ 与 $Y$ 之间的短期或非均衡的关系。假设 $X$ 与 $Y$ 之间的非均衡关系体现为如下 $(1,1)$ 阶分布滞后模型的形式：
$$Y_t={\beta }_0+{\beta }_1{X}_t+{\beta }_2{X}_{t-1}+\delta Y_{t-1}+u_t,$$
该模型显示出 $t$ 期的 $Y$ 不仅与 $X$ 的变化有关，而且与 $t-1$ 期的 $X$ 与 $Y$ 的状态值有关。但由于变量可能具有非平稳性，因此不能直接进行 OLS 估计。

差分变形得
$$\begin{array}{rl}\Delta Y_t& ={\beta }_0+{\beta }_1\Delta X_t+({\beta }_1+{\beta }_2)X_{t-1}-(1-\delta )Y_{t-1}+u_t\\ & \\ & ={\beta }_1\Delta X_t-(1-\delta )\left(Y_{t-1}-\frac{{\beta }_0}{1-\delta }-\frac{{\beta }_1+{\beta }_2}{1-\delta }{X}_{t-1}\right)+u_t\\ & \\ & \triangleq {\beta }_1\Delta X_t-\lambda (Y_{t-1}-{\alpha }_0-{\alpha }_1{X}_{t-1})+u_t.\end{array}$$

将上式中的参数与 $Y_t={\alpha }_0+{\alpha }_1{X}_t+u_t$ 中的相应参数视为相等，则上式中参数 $\lambda$ 之后的项为 $t-1$ 期的非均衡误差项。这表明 $Y$ 的短期变化 $\Delta Y_t$ 不仅受 $X$ 的短期变化 $\Delta X_t$ 影响，而且根据前一时期的非均衡程度 ${\mathrm{e}\mathrm{c}\mathrm{m}}_{t-1}$ 进行相应的修正调整。

误差修正项 $\mathrm{e}\mathrm{c}\mathrm{m}$ ：
$${\mathrm{e}\mathrm{c}\mathrm{m}}_{t-1}=Y_{t-1}-({\alpha }_0+{\alpha }_1{X}_{t-1}),$$
一阶误差修正模型
$$\Delta Y_t={\beta }_1\Delta X_t-\lambda \cdot {\mathrm{e}\mathrm{c}\mathrm{m}}_{t-1}+u_t,$$
一般情况下 $|\delta |<1$，有 $0<\lambda <1$ 。

据此分析 ECM 模型的修正作用：

• 若上期的实际值大于长期均衡值，即 $Y_{t-1}>{\alpha }_0+{\alpha }_1{X}_{t-1}$，则 $\mathrm{e}\mathrm{c}\mathrm{m}$ 为正，当期的短期变动 $\Delta Y_t$ 减少；
• 若上期的实际值小于长期均衡值，即 $Y_{t-1}<{\alpha }_0+{\alpha }_1{X}_{t-1}$，则 $\mathrm{e}\mathrm{c}\mathrm{m}$ 为负，当期的短期变动 $\Delta Y_t$ 增大。

参数的经济意义：

• 长期均衡模型 $Y_t={\alpha }_0+{\alpha }_1{X}_t+u_t$ 中的 ${\alpha }_1$ 可视为 $Y$ 关于 $X$ 的长期弹性；
• 短期非均衡模型 $Y_t={\beta }_0+{\beta }_1{X}_t+{\beta }_2{X}_{t-1}+\delta Y_{t-1}+u_t$ 中的 ${\beta }_1$ 可视为 $Y$ 关于 $X$ 的短期弹性。

格兰杰表述定理

问题：是否变量间的关系都可以通过 ECM 来表述？

Granger 表述定理：如果变量 $X$ 与 $Y$ 是协整的，则它们间的短期非均衡关系总能由一个误差修正模型表述。
$$\Delta Y_t=\mathrm{l}\mathrm{a}\mathrm{g}\mathrm{g}\mathrm{e}\mathrm{d}(\Delta Y,\Delta X)-\lambda \cdot {\mathrm{e}\mathrm{c}\mathrm{m}}_{t-1}+u_t,0<\lambda <1.$$
其中，$\mathrm{e}\mathrm{c}\mathrm{m}$ 是非均衡误差项（长期均衡偏差项），$\lambda$ 是短期调整参数。该模型没有明确指出 $Y$ 和 $X$ 的滞后阶数，可以包含多阶滞后项。由于一阶差分项是 $\mathrm{I}(0)$ 变量，因此模型中允许采用 $X$ 的非滞后差分项 $\Delta X_t$ 。

建立误差修正模型的步骤

首先，对经济系统进行观察和分析，提出长期均衡关系假设。

然后，对变量进行协整分析，以发现变量之间的协整关系，即检验长期均衡关系假设，并以这种关系构成误差修正项。

最后，建立短期模型，将误差修正项看作一个解释变量，连同其他反映短期波动的解释变量一起，建立短期模型，即误差修正模型。

EG 两步法

step.1 利用 OLS 进行协整回归，检验变量间的协整关系，估计协整向量（长期均衡关系参数）
$$Y_t={\alpha }_0+{\alpha }_1{X}_t+u_t.$$
step.2 若协整性存在，则以第一步求得的残差作为非均衡误差项 $\mathrm{e}\mathrm{c}\mathrm{m}$ 加入到误差修正模型中，并用 OLS 估计相应参数
$$\Delta Y_t=\mathrm{l}\mathrm{a}\mathrm{g}\mathrm{g}\mathrm{e}\mathrm{d}(\Delta Y,\Delta X)-\lambda \cdot {\mathrm{e}\mathrm{c}\mathrm{m}}_{t-1}+u_t.$$
在确定 ECM 模型滞后项阶数时，需要先对模型进行回归，之后检验 ECM 模型的残差是否具有自相关性，或者采用 $Q$ 统计量检验残差是否为白噪声。如果接受了不具有自相关性的零假设，则说明 ECM 模型的滞后阶数选择正确，否则需重新调整参数。

注意：在进行变量间的协整检验时，如有必要可在协整回归式中加入趋势项，这时对残差项的稳定性检验就无须设置趋势项。另外，第二步中变量的差分滞后期数，可以通过残差项序列是否存在自相关性来判断，如果存在自相关，则应加入变量差分后的滞后项。

注意：在实际应用研究中，如果 ECM 中误差修正项参数估计值为正，模型设定肯定是错误的。在实际分析的模型设定中，变量常以对数的形式出现，原因在于变量对数的差分近似地等于该变量的变化率，而经济变量的变化率常常是平稳序列。

直接估计法

打开误差修正模型中非均衡误差项的括号，直接用 OLS 估计模型，以双变量为例
$$\Delta Y_t={\beta }_1\Delta X_t-\lambda (Y_{t-1}-{\alpha }_0-{\alpha }_1{X}_{t-1})+u_t,$$

$$\Delta Y_t=\lambda {\alpha }_0+{\beta }_1\Delta X_t-\lambda Y_{t-1}+\lambda {\alpha }_1{X}_{t-1}+u_t.$$

这时可以一并获得短期弹性和长期弹性的参数估计值，但仍然需要事先对变量间的协整关系进行检验。