经济学•章节 6•1 分钟•Updated September 27, 2026

计量经济学——时间序列平稳性与伪回归

O
Oiyo贡献者
6/6

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 Yt=Yt−1+εtY_t=Y_{t-1}+\varepsilon_t 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,R2R^2 和常规 tt 值有时越显著。这就是伪回归。

单位根
Yt=ρYt−1+εt,ρ=1Y_t = \rho Y_{t-1} + ε_t,\quad \rho=1
ρ=1时,冲击会累积。一阶差分 ΔYₜ=εₜ 可能平稳。未拒绝检验原假设并不等于证明存在单位根。

假设用两个独立随机游走的100期数据做水平回归,得到 t=4.2t=4.2、R2=38%R^2=38\%,它们仍可能毫无关系。如果差分后的回归只有 t=0.4t=0.4,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 I(1)I(1) 序列 YtY_t 和 XtX_t 存在一个 I(0)I(0) 的线性组合 zt=Yt−α−βXtz_t=Y_t-\alpha-\beta X_t,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 tt 值当作平稳回归来解释。协整本身也不能识别 XX 对 YY 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 ΔYt=λzt−1+γΔXt+et\Delta Y_t=\lambda z_{t-1}+\gamma\Delta X_t+e_t 中,若 λ=−0.2\lambda=-0.2、zt−1=10z_{t-1}=10,其余项为零,本期 YY 的变化就是 −2-2。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 λ\lambda 的符号、稳定性与残差诊断。

容易被过度解读的时间序列术语
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 XX 能否帮助预测 YY”,而不是政策改变 XX 就会改变 YY。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 t=6t=6。两条序列可能有单位根。差分回归的 t=1.1t=1.1,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 t=6t=6,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

O

Oiyo

Editorial Desk

The 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.