动态面板数据分析步骤详解(3)

稳定性分析：做AR根的图表分析，如所有单位根小于1，说明VAR模型定，满足脉冲分析及方差分解所需条件之一

模型的因果关系检验 2 不过注意在做因果检验前要先确定滞后长度，方法见高铁梅 计量分析方法与建模 第2版 P302 只有满足因果关系，加上满足条件一：稳定性，则可进行脉冲及方差分解 如不满足因果关系，则所有不满足因果关系的变量将视为外生变量，至此要重新构建VAR模型，新的VAR模型将要引入外生变量的VAR模型

（2）VAR与VEC关系是：VEC是有协整约束（即有长期稳定关系）的VAR模型，多用于具有协整关系的非平稳时间序列建模 高铁梅 计理分析方法与建模 第2版 P295

15．简单说VAR模型建立时 第一步：不问序列如何均可建立初步的VAR模型（建立过程中数据可能前平稳序列，也可能是部分平稳，还可能是没协整关系的同阶不平稳序列，也可能是不同阶的不平稳序列，滞后阶数任意指定。所有序列一般视为内生向量)， 第二步：在建立的初步VAR后进行

1、滞后阶数检验，以确定最终模型的滞后阶数

2、在滞后阶数确定后进行因果关系检验，以确定哪些序列为外生变量 至此重新构建VAR模型（此时滞后阶数已定，内外生变量已定），再进行AR根图表分析，

如单位根均小于1，VAR构建完成可进行脉冲及方差分解 如单位根有大于1的，考虑对原始序进行降阶处理（一阶单整序列处理方法：差分或取对数，二阶单整序列：理论上可以差分与取对数同时进行，但由于序列失去了经济含义，应放弃此处理，可考虑序列的趋势分解，如分解后仍然不能满足要求，可以罢工，不建立任何模型，休息或是打砸了电脑），处理过后对新的序列（包括最初的哪些平稳序列）不断重复第一步与第二步，直至满足稳定性为止

第三步，建立最终的VAR后，可考虑SVAR模型

如果变量不仅存在滞后影响，还存在同期影响关系，则建立VAR模型不太合适，这种情况下需要进行结构分析。

误差修正模型（Error Correction Model，ECM）

向量误差修正模型（VEC,Vector Error Correction,）是一个有约束的VAR模型，并在解释变量中含有协整约束，因此它适用于已知有协整关系的非平稳序列。当有一个大范围的短期动态波动时，VEC表达式会限制内生变量的长期行为收敛于它们的协整关系。因为一系列的部分短期调整可以修正长期均衡的偏离，所以协整项被称为是误差修正项。误差修正项反映了长期均衡对短期波动偏离自我修正的动态机制。理论上，误差修正项应为负值，表示当失衡时，时间序列应收敛并回归长期均衡，绝对值越大则队本期误差修正作用与越强。如果为正，则表示前期的失衡部分无法在后一期作反向回归调整。

应用可参考文献：常海滨、徐成贤：我国货币政策传导机制区域差异的实证分析，经济科学，2007年第5期

1.误差修正模型的产生原因

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

如：建立人均消费水平（Y）与人均可支配收入（X）之间的回归模型：

Yt = α0 + α1Xt + μt

如果Y与X具有共同的向上或向下的变化趋势,进行差分，X,Y成为平稳序列，建立差分回归模型得：

ΔYt = α1ΔXt + vt 式中，vt = μt -μ

t -1

然而，这种做法会引起两个问题： (1)如果X与Y间存在着长期稳定的均衡关系 Yt = α0 + α1Xt + μt 且误差项μt不存在序列相关，则差分式 ΔYt = α1ΔXt + vt 中的vt是一个一阶移动平均时间序列，因而是序列相关的；(2)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，这时模型只表达了X与Y间的短期关系，而没有揭示它们间的长期关系。

因为，从长期均衡的观点看，Y在第t期的变化不仅取决于X本身的变化，还取决于X与Y在t-1期末的状态，尤其是X与Y在t-1期的不平衡程度。另外，使用差分变量也往往会得出不能令人满意回归方程。

例如，使用ΔY1 = ΔXt + vt 回归时，很少出现截距项显著为零的情况，即我们常常会得到如下形式的方程：

式中， （*）

在X保持不变时，如果模型存在静态均衡（static equilibrium），Y也会保持它的长期均衡值不变。

但如果使用（*）式，即使X保持不变，Y也会处于长期上升或下降的过程中，这意味着X与Y间不存在静态均衡。这与大多数具有静态均衡的经济理论假说不相符。可见，简单差分不一定能解决非平稳时间序列所遇到的全部问题，因此，误差修正模型便应运而生。

2.误差修正模型的简单原理（Error Correction Model，简记为ECM）

误差修正模型（Error Correction Model，简记为ECM）是一种具有特定形式的计量经济学模型，为了便于理解，我们通过一个具体的模型来介绍它的结构。 假设两变量X与Y的长期均衡关系为:

Yt = α0 + α1Xt + μt

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间的短期的或非均衡的关系，假设具有如下(1,1)阶分布滞后形式

该模型显示出第t期的Y值，不仅与X的变化有关，而且与t-1期X与Y的状态值有关。

由于变量可能是非平稳的，因此不能直接运用OLS法。对上述分布滞后模型适当变形得： (**) , 式中，λ = 1 - μ，

如果将（**）中的参数，与Yt = α0 + α1Xt + μt中的相应参数视为相等，则（**）式中括号内的项就是t-1期的非均衡误差项。

（**）式表明：Y的变化决定于X的变化以及前一时期的非均衡程度。同时，（**）式也弥补了简单差分模型ΔY1 = ΔXt + vt的不足，因为该式含有用X、Y水平值表示的前期非均衡程度。因此，Y的值已对前期的非均衡程度作出了修正。 (**)称为一阶误差修正模型(first-order error correction model)。 （**）式可以写成： # _( {! Y* `2 _+ U

其中:ecm表示误差修正项。由分布滞后模型知：一般情况下|μ|<1 ，由关系式μ得0<λ<1。可以据此分析ecm的修正作用：

(1)若(t-1)时刻Y大于其长期均衡解α0 + α1X，ecm为正，则(-λecm)为负，使得ΔYt减少；

(2)若(t-1)时刻Y小于其长期均衡解α0 + α1X，ecm为负，则(-λecm)为正，使得ΔYt增大。

（***）体现了长期非均衡误差对的控制。

需要注意的是：在实际分析中，变量常以对数的形式出现。

其主要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稳定序列，因此适合于包含在经典回归方程中。 于是:

(1)长期均衡模型

Yt = α0 + α1Xt + μt( a& J5 @& ~1 I2 V

中的α1可视为Y关于X的长期弹性（long-run elasticity） (2)短期非均衡模型 中的β1可视为Y关于X的短期弹性（short-run elasticity）。

更复杂的误差修正模型可依照一阶误差修正模型类似地建立。

3。误差修正模型的建立 （1）Granger 表述定理

误差修正模型有许多明显的优点：如 a）一阶差分项的使用消除了变量可能存在的趋势因素，从而避免了虚假回归问题； b）一阶差分项的使用也消除模型可能存在的多重共线性问题； c）误差修正项的引入保证了变量水平值的信息没有被忽视； d）由于误差修正项本身的平稳性，使得该模型可以用经典的回归方法进行估计，尤其是模型中差分项可以使用通 …… 此处隐藏：3728字，全部文档内容请下载后查看。喜欢就下载吧 ……