计量经济学——时间序列平稳性与伪回归
计量经济学——做时间序列回归前,先看均值是否稳定
横截面OLS通常假定观测值近似独立。如果今年的物价依赖去年的物价,这个假定就不成立。第5章讨论面板数据中的个体差异;本章讨论时间上的持续性。
1. 非平稳性会让t值看起来过大
弱平稳性要求均值和方差不随时间变化,两个时点的协方差只取决于间隔,而不取决于具体日期。去除确定性趋势后可平稳的序列,与冲击永久累积的单位根序列并不相同。随机游走 是后者的典型例子。把两个相互独立的随机游走按水平值做回归,样本越长, 和常规 值有时越显著。这就是伪回归。
假设用两个独立随机游走的100期数据做水平回归,得到 、,它们仍可能毫无关系。如果差分后的回归只有 ,原先的数值可能只是趋势造成的假象。
扩展迪基—富勒(ADF)检验通常以存在单位根为原假设。不能拒绝原假设,并不等于证明单位根存在。是否加入截距和确定性趋势、加入几个差分滞后项以处理残差自相关,都应由数据与模型决定。结构突变或样本较短时,检验效力可能偏低。
2. 协整是不能一概差分掉的长期关系
如果两个 序列 和 存在一个 的线性组合 ,它们就是协整的。此时水平值可能含有长期统计关系,机械地差分会丢失这些信息。但残差平稳性必须用协整检验专用的临界值判断;不能把水平OLS的常规 值当作平稳回归来解释。协整本身也不能识别 对 的因果效应。
误差修正模型把上期偏离长期关系的程度与本期变化联系起来。例如,在 中,若 、,其余项为零,本期 的变化就是 。这只是调整速度的假设性计算,不是对某个经济体的估计。还要检查 的符号、稳定性与残差诊断。
| 术语 | 实际含义 | 不意味着 |
|---|---|---|
| 格兰杰因果关系 | 过去的X有助于预测Y | 干预效应或因果识别 |
| 未拒绝单位根假设 | 无法排除ρ=1 | 证明有单位根;也可能是检验效力不足 |
| 协整 | 长期关系的残差平稳 | 关系不会受结构突变影响 |
格兰杰因果关系问的是“过去的 能否帮助预测 ”,而不是政策改变 就会改变 。领先指标不等于原因。
资产价格是否可以预测,还取决于金融经济学第3章讨论的投资者信息集。计量经济学首先要问:这个回归是否只是伪回归?
自测题
题目。 消费与GDP的50个年度观测值都在上升,水平回归的常规统计量为 。两条序列可能有单位根。差分回归的 ,残差协整检验也未拒绝原假设。可以得出什么结论?
解答。 单靠水平回归的 ,既不能断言两者有真实关系,也不能断言存在因果效应。本例的差分结果表明,短期线性关联的证据较弱。协整检验未拒绝原假设,也不能证明协整不存在。应检查趋势与滞后项设定、样本长度和结构突变。如果合适的检验后来支持协整,可以用误差修正模型区分长期关系与短期调整;因果解释仍需另外设计识别策略。
参考文献
- Clive Granger and Paul Newbold, “Spurious Regressions in Econometrics,” Journal of Econometrics (1974)
- James Stock and Mark Watson, Introduction to Econometrics,时间序列相关章节
- Jeffrey Wooldridge, Introductory Econometrics,第11—18章
- Engle and Granger, Co-Integration and Error Correction: Representation, Estimation, and Testing
Oiyo
Editorial DeskThe OIYO editorial desk researches money, law, lifestyle, and self-understanding topics against primary sources and public statistics. Every piece carries source notes and is reviewed on a regular cycle for accuracy and usefulness.
