eviews第三讲误差修正模型

误差修正模型ErrorCorrectionModel，简记为ECM,是一种具有特定形式的计量经济学模型产生原因:经济数据一般情况下都是非平稳的，对于非稳定时间序列，可通过差分的方法将其化为稳定序列，然后才可建立经典的回归分析模型。误差修正模型建立的作用为了增强模型的精度，将协整回归中的误差项et看做均衡误差，通过建立短期动态模型来弥补长期静态模型的不足。误差修正模型的建立首先对变量的平稳性进行检验，然后再进行协整分析，以发现变量之间的协整关系，即长期均衡关系，并以这种关系构成误差修正项。然后建立短期模型，将误差修正项看作一个解释变量，连同其它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。建立误差修正模型的步骤数据类型：时间序列0.数据录入1.统计性检验2.检验数据的平稳性3.协整检验4.短期误差修正数据的描述性检验1.可以直观的看出数据的变化趋势2.可以有效的避免异常值对回归系数的影响，剔除异常值3.提供数据的简单统计性描述单个变量的统计性描述第一步：数据录入后，右击变量，open打开第二步：view---descriptivestatistics---statstable，提供表格形式的描述性统计，如下图多个变量的统计性描述第一步：数据录入第二步：按住shift或者ctrl键，选择所需变量，右击，选择open---asgroup打开第三步：view---descriptivestats---commonsample，提供表格形式的描述性统计，如下图平稳性原理检验数据的平稳性检验序列是否平稳性的方法1.图示法2.用自相关系数图判断3.单位根检验方法1.图示法步骤：1.新建工作文件窗口2.录入时间序列数据：GDP3.双击变量，打开序列，4.在序列窗口点击view---graph，在对话框中选择线条类型：line&symbol操作：双击打开序列选择线条类型得出图形结论由GDP的时间序列图初步判断序列是不平稳的可以看出该序列可能存在趋势项，若需要单位根检验，则选择第三种模型进行检验方法2：用自相关系数图判断步骤：1.新建工作文件窗口2.录入时间序列数据：GDP3.双击变量，打开序列，4.在序列窗口点击view---correlogram，在对话框中选择原始数据：level操作：双击打开序列选择原始数据：level得出自相关系数结论中国GDP时间序列的自相关系数不是很快地（如滞后期K=2）趋于0，而是缓慢下降，再次表明系列是非平稳的。方法3：单位根检验步骤：1.新建工作文件窗口2.录入时间序列数据：GDP3.双击变量，打开序列，4.在序列窗口点击view---unitroottest，在对话框中选择检测方法：ADF（AugmentedDickeyFuller）；并选择对原始数据：level进行检验单位根检验需要了解的基本知识单位根检验是指检验序列中是否存在单位根，因为存在单位根就是非平稳时间序列了。单位根就是指单位根过程，可以证明，序列中存在单位根过程就不平稳，会使回归分析中存在伪回归。1.单位根检验的方法2.最优滞后项的选择3.确定序列具有单位根的阶数1.单位根检验的方法单位根检验有众多的模型可供选择，常用的ADF（AugmentedDickeyFuller）检验和P-P（Phillips-Perron）检验推荐使用：ADF检验2.最优滞后阶数的选择1.AIC信息准则2.SC准则AIC信息准则AIC值最小AIC信息准则，又称赤池信息量准则Akaikeinformationcriterion、简称AIC，是衡量统计模型拟合优良性的一种标准，是由日本统计学家赤池弘次创立和发展的。AIC鼓励数据拟合的优良性但是尽量避免出现过度拟合(Overfitting)的情况。所以优先考虑的模型应是AIC值最小的那一个。SC值最小SC信息准则，又称施瓦兹准则，即SchwarzCriterion其检验思想也是通过比较不同分布滞后模型的拟合优度来确定合适的滞后期长度。检验过程是：在模型中逐期添加滞后变量，直到SC值不再降低时为止，即选择使SC值达到最小的滞后期k。SC信息准则AIC最小原则是判定模型好坏标准之一，犹如R2（R平方）一样。AIC和SC(舒瓦茨信息）常常一并作为判断模型拟合程度的标准之一，特别是在滞后阶数的选择上。比如，一个VAR（向量自回归模型），经济理论往往无法确定滞后阶数，这时往往采用AIC或者SC最小原则，即观察不同的阶数的VAR模型，哪个模型的AIC或者SC值最小就选用哪个模型进行分析。AIC、SC都会在模型参数中给出。确定序列具有单位根的阶数ADF检验形式的选择操作：数据（gini2，lnpergdp）第一步：输入变量（略）打开序列，点击Quick---EstimateEquation对变量ginigini(-1)ct进行自回归目的：查看常数项和时间趋势项是否显著第二步：上图结果显示常数项显著，因此对原始数据单位根检验中同时加入常数项注意：Maximunlags严格的说，要逐步加入滞后期，最后根据AIC最小准则来选取如果对回归结果不那么严格要求，可以选用系统默认的滞后期本案例中，默认的滞后期是8结果结论：原假设H0：Gini有一个单位根ADF结果显示，不能拒绝原假设(p=0.8453),因此序列gini不平稳,并存在单位根。第三步：对一阶差分进行检验目的：检验序列的单整数I(1)?I(2)?I(0)说明原始序列是平稳的由于差分之后，没有常数项，因此选择无常数项和时间趋势项进行检验结果结论：原假设H0：Gini的一阶差分有一个单位根ADF结果显示，拒绝原假设(p=0.0000),因此序列gini的一阶差分平稳,序列GINI属于一阶单整I(1)差分的表示方法：一阶差分：D+变量名本案例：DGini二阶差分：DD+变量名本案例：DDGini同理，相同的过程处理序列GDP原始数据ADF检验一阶差分检验结论：原假设H0：GDP的一阶差分有一个单位根ADF结果显示，拒绝原假设(p=0.0000),因此序列gini的一阶差分平稳,序列GDP属于一阶单整I(1)总结：GDP和GINI都属于一阶单整I(1)单位根检验表格的形成在论文中，单位根检验要做成如下表格的形式协整检验协整检验的方法协整检验方法2：Johansen协整检验直接用Eviews可操作得出结果步骤：1.ctrl+变量名，同时选择GDP和GINI，右击open—asgroup2.在打开的group窗口点击View---cointegrationtest结果输出结论：协整检验说明在95%的置信区间存在2个协整方程协整关系写成代数表达式：lnGDP=-73.75119lnGINI+e协整方程表达式代表两变量之间长期稳定的关系方法3：检验残差协整存在的一个重要条件就是估计协整回归方程的残值应是平稳的。步骤1：对两变量进行单位根检验，若被解释变量Y和解释变量X都为一阶单整即：Y----I（1）X---I（1）步骤2：对方程进行回归得出残差项步骤3：对残差项进行单位根检验，若原假设成立，说明残差不平稳，即为I(1);若残差项平稳（即为0阶单整），则两变量之间存在协整关系（即长期稳定的某种关系）。01tttYX111mttittie0协整检验结果的形成传统的经济模型通常表述的是变量之间的一种“长期均衡关系”，而实际上经济数据往往产生于“非均衡过程”，因此建模时需要用数据的动态非均衡过程来逼近经济理论的长期均衡过程。表现在方程式中，就是每个变量的滞后也会出现在模型之中。误差修正模型正是为了度量某一时期内生变量Yt在某一时点关于外生变量Xt的短期偏离。短期误差修正例如：在建立消费和收入的协整方程后，为考察我国消费和收入的动态关系，则需要建立误差修正模型，以考量当消费短期波动偏离长期均衡时，怎样的调整力度可以将非均衡状态拉回到均衡状态。首先对变量进行协整分析，以发现变量之间的协整关系，即长期均衡关系，并以这种关系构成误差修正项。然后建立短期模型，将误差修正项看作一个解释变量，连同其它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。短期误差修正前提：X、Y是协整的第一步：回归以下方程，得出残差第二步：再估计以下方程r应该是负值，且具有显著性011011tttttYYXX001ttttYXre步骤：前面步骤：单位根、协整检验（省略）第一步：第一个回归LSYY(-1)XX(-1)得出残差第二步：Genre=residGenrdY=d(Y)Genrdx=d(X)第三步：回归LSDYDXe(-1)得出e(-1)的回归系数第一个回归第二步第三步注意：短期修正系数，即E(-1)的系数应该为负，且显著由于我选择的数据有问题，所以这里的结果不显著，是错误的。实际操作中，这组数据不能用这个模型。ECM修正的效果(结果解释）修正项（ecm^t-1）的系数为0.51，那这个模型就可以解释为当短期波动偏离长期均衡时，将以0.51的调整力度将非均衡状态拉倒均衡状态。R^2较高，说明拟合较好，DW值也在2左右，基本上是无自相关的误差修正是一个反向调整过程（负反馈机制）。方法2：可以采用打开误差修整模型中非均衡误差项括号的方法直接用OLS法估计模型。但仍需事先对变量间的协整关系进行检验。11011()tttttYXYX总结误差修正模型的建立步骤：0.统计性检验1.单位根检验（ADF）2.Johanson协整检验3.误差修正其他模型数据平稳后，还可以建立其他一切模型及分析，如：1.格兰杰因果关系2.VAR模型（VectorAutoRegression）3.脉冲响应4.方差分解以上模型都要求时间序列是平稳序列。