在做格兰杰因果检验之前.PPT

第二阶段误差修正方程的一般形式是： 其中， ＝长期关系模型中的残差。 在具体建模中，首先要对长期关系模型的设定是否合理进行单位根检验，以保证 为平稳序列。其次，对短期动态关系中各变量的滞后项，进行从一般到特殊的检验，将不显著的滞后项逐渐剔除，直到找出了最佳形式为止。通常滞后期在 ＝0,1,2,3 中进行试验。 第四节 格兰杰因果检验 一、格兰杰因果关系 格兰杰因果关系的直观思想: 对于时间序列变量X和Y ，如果X是Y变化的原因，则X的变化应该发生在Y变化之前，而且X的过去值应该有助于预测Y的未来值，但Y的过去值不应该能够预测X的未来值. 作Y关于Y的滞后变量的回归，这相当于是一个有约束回归： 在上述回归中添加X的滞后变量作为独立解释变量，得到一个无约束回归： 如果X是Y变化的原因，无约束回归模型的解释能力应该显著强于有约束回归模型的解释能力。如果存在这样一种关系，称X是Y的格兰杰原因。 反之，如果添加X的滞后变量作为解释变量后，没有显著增加回归模型的解释能力，称X不是Y的格兰杰原因。 二、格兰杰因果检验的实施 根据格兰杰因果关系的意义， 对 是否存在格兰杰因果关系的检验，可通过检验以 为被解释变量的方程中是否可以把 的全部滞后变量剔除掉而完成。 对于两个平稳时间序列 X和Y，考虑分别作上述两个有约束和无约束的回归。 检验X对Y存在格兰杰因果关系的零假设是： 即变量 X不是变量Y 的格兰杰原因。 检验可用F 统计量完成： 三、格兰杰因果检验的注意事项 1. 关于信息集的设定 格兰杰因果检验是针对特定的信息集，信息集中遗漏重要解释变量很可能导致虚假的因果性推断，如果适当地拓展信息集合，原来的因果关系很可能会消失。 2. 关于非平稳变量的问题 如果变量是非平稳的，那么检验用的F统计量就不再服从F分布。因此，在做格兰杰因果检验之前，需要对时间序列的平稳性进行检验。 3. 关于滞后期数问题 格兰杰因果检验对于模型中滞后期数的选择十分敏感。在实际应用中，可以通过AIC、BIC等选择来确定滞后期数。 4. 经济学含义 格兰杰因果关系不等于实际因果关系，实际因果关系还需借助经济理论进行进一步的分析；统计意义上的格兰杰因果关系对于经济预测将起很大的作用。 第五节 案例分析 中国城镇居民的生活费支出与可支 配收入关系的研究 表10.3是我国城镇居民月人均可支配收入（ ）和生活费支出（ ）的调整序列。现用EG两步法考察它们之间是否存在协整关系 在EViews中建立中作文档，录入人均可支配收入（ ）和生活费支出（ ）序列的数据。双击人均可支配收入（ ）序列，出现工作文件窗口，在其左上方点击EViews键出现下拉菜单，点击Unit Root Test，出现对话框（图10.2），选择带截距项（intercept），滞后差分项（Lagged differences）选2阶，点击OK，得到估计结果，见表10.4。 从检验结果看，在1％、5％、10％三个显著性水平下，单位根检验的Mackinnon临界值分别为 -3.5121、-2.8972、-2.5855， t检验统计量值 -0.862611大于相应临界值，从而不能拒绝 ，表明人均可支配收入（ SR ）序列存在单位根，是非平稳序列。 为了得到人均可支配收入（ ）序列的单整阶数，在单位根检验（Unit Root Test）对话框（图10.3）中，指定对一阶差分序列作单位根检验，选择带截距项（intercept），滞后差分项（Lagged differences）选2阶，点击OK，得到估计结果，见表10.5。 从检验结果看，在1％、5％、10％三个显著性水平下，单位根检验的Mackinnon临界值分别为-3.5121、-2.8972、-2.5855， t检验统计量值为-8.374339，小于相应临界值，从而拒绝 ，表明人均可支配收入（ ）的差分序列不存在单位根，是平稳序列。即 序列是一阶单整的， ～I（1）。 为了分析可支配收入（ ）和生活费支出（ ）之间是否存在协整关系，我们先作两变量之间的回归，然后检验回归残差的平稳性。 以生活费支出（ ）为被解释变量，可支配收入（ ）为解释变量，用OLS回归方法估计回归模型，结果见表10.6。 为了检验回归残差的平稳性，在工作文档窗口中，点击Genr功能键，命令 ，将上述OLS回归得到的残差序列命名为新序列 ，然后双击 序列，对 序