协整理论及其R语言的实现.pptVIP

LogoAddYourCompanySloganLogoAddYourCompanySloganLogo协整理论及其R语言的实现邵晨上海财经大学统计与管理学院为什么要协整?提纲1什么是协整？2如何进行协整检验？3R语言中相关函数4案例：中国进出口之间关系检验5伪回归（虚假回归）回归分析：1一个重要的前提假设：平稳性2但是，实际上大部分的宏观经济时间序列和金融时间序列都是非平稳的。3伪回归（虚假回归）案例结果以1990年至2008年美国城镇居民家庭人均可支配收入和中国人均消费性支出为例：data-read.table(data.txt)Usincome-data[,1]Chinacoms-data[,2]reg-lm(Chinacoms~USincome)summary(reg)library(zoo)library(lmtest)dwtest(reg)Call:lm(formula=Chinacoms~USincome)Residuals:Min1QMedian3QMax-640.11-350.44-55.96346.491139.42Coefficients:EstimateStd.ErrortvaluePr(|t|)(Intercept)-6.886e+034.896e+02-14.068.56e-11***USincome4.788e-011.898e-0225.236.54e-15***---Signif.codes:0‘***’0.001‘**’0.01‘*’0.05‘.’0.1‘’1Residualstandarderror:477.7on17degreesoffreedomMultipleR-squared:0.974,AdjustedR-squared:0.9724F-statistic:636.3on1and17DF,p-value:6.544e-15————————————————————————————Durbin-Watsontestdata:regDW=0.4992,p-value=4.485e-06alternativehypothesis:trueautocorrelationisgreaterthan0显著的R2较大的t值DW统计量很小，存在严重的自相关线性回归模型lm()函数：用法：fitted.model-lm(formula,data,subset,weights…)参数：formularesponse~termsdata数据框。subset取出数据集的一个子集。weights权重向量，用于加权最小二乘估计。例如：reg-lm(y~x1+x2,data=output)提取回归模型中所需信息的函数：coef(reg)resid(reg)plot(reg)summary(reg)伪回归（虚假回归）Diagram2Diagram2含义：指两个没有因果关系的时间序列之间，基于一些其他的外在因素，推断出因果关系。例如：事件C导致事件A和事件B，如果在A和B之间进行回归分析，则容易推断出A和B之间存在因果关系的错误结论。特征：1、对参数的检验（t检验）和对回归方程的检验（F检验）容易得到显著的结果，接近于1的R2。2、残差存在严重的正自相关。结果：许多非平稳经济变量之间显著的相关性可能并不存在，是虚假的。传统的解决方法传统方法一阶差分后进行回归缺点1.经济理论往往研究的是变量的水平值而不是差分值，差分后的模型不好解释2.丢失一些有用的长期信息移除线性趋势1.假设序列存在独立的确定性趋势2.只能解释变量之间的短期关系协整协整定义：对于两个非平稳时间序列{Xt}和{Yt}如果①{Xt}和{Yt}为I(1)序列；②存在线性组合Xt+bYt使得{Xt+bYt}是平稳序列；则称{Xt}与{Yt}之间具有协整关系。描述了时间序列之间的长期均衡关系。误差修正模型定义：时间序列{Xt}和{Yt}的误差修正模型表