攀枝花财政收入与GDP之间关系的协整分析与误差修正模型研究 -3

攀枝花地方财政收入与GDP之间关系的协整分析与误差修正模型研究

[摘要]本文运用协整理论对攀枝花地方财政收入与GDP之间的关系进行了实证研究。结果表明，两者之间存在着相互促进效应。攀枝花财政收入与GDP之间存在着长期均衡的协整关系和短期动态调整机制；财政收入对GDP的弹性小于1。

[关键词]财政收入；协整理论；误差修正模型

一、引言

财政收入是政府部门的公共收入，是国民收入分配中用于保证政府行使其公共职能、实施公共政策以及提供公共服务的资金需求。国内生产总值（GDP）是反映一个国家（地区）在一定时期内国民经济活动最终成果的总量指标。从生产的角度看，它是国民经济各部门新创造的增加值的总和；从使用角度看，它是全社会最终消费、投资、净出口的总和；从分配角度看，它是国家收入、集体收入和个人收入的总和。财政收入规模的大小受多种因素的制约，其中主要有经济发展水平、政府收入分配政策和价格水平三个因素。财政收入与经济发展水平即GDP的关系是本文的研究重点。

关于财政收入与GDP两者之间的关系，国外对此的研究结论大都是两者之间呈负相关或弱相关关系。如Sculley(2001)和Grossman(2002) 分析美国的经济情况，得出政府的税收水平与经济增长呈现负相关；

[1]Karras(2003) 通过对11个国家税率和GDP增长率的分析得出, 税收短期内与经济增长呈现负相关，但这种相关性在长期内的趋势会减

弱。[2]国内学者大都研究财政收人与GDP之间的关系, 研究的结果一般认为财政收人与经济增长呈高度正向线性相关性。如彭志捌、蒋丽娟、张凤（2004）利用逐步回归分析方法建立国家财政收入回归模型，找出影响财政收入的显著性变量为农业增加值、工业增加值和社会消费总额。［3］李国锋、王乃静（2004）对财政收入与GDP进行相关关系分析和回归分析，认为财政收入与GDP总量、增量增长率之间存在强相关关系，地方财政收入与GDP之间有着紧密的关系。［4］杨丹、陈晓毅（2004）根据历年财政收入占GDP比重的时间序列数据建立了一阶自回归模型，分析了财政收入占GDP比重的变化规律。［5］庞瑞芝、张志超（2002）用回归模型、自回归分布滞后模型和误差修正模型（ECM）对我国经济转轨时期国家财政收入增长与GDP增长的关系进行了实证研究，认为我国财政收入对GDP的弹性过低，财政收入与GDP增长之间不存在协整关系。［6］徐箐(2007 )通过绘制杭州市20 年财政总收人与国内生产总值的散点图，并建立回归型，得出财政收人与GDP存在显著的线性关系。[7]

在现有研究中，国内学者大多针对的是全国的财政收入，地方性财政收入较少。研究财政收人与经济增长的关系时，大都侧重经济增长对财政收人的贡献率，忽视财政收人与经济增长的互动效应。而且对财政收入与GDP之间的关系研究，主要采用的是线性回归分析方法，在未对变量的时间序列的平稳性进行检验的情况下，直接对财政收入与GDP进行回归。由于财政收入和GDP这两个变量的时间序列往往是不平稳的，直接进行回归分析，极容易产生伪回归问题，从而导致所建

的模型毫无解释意义。为避免此类问题的发生，本文将采用协整理论，对攀枝花财政收入与GDP 之间的关系进行分析，在协整检验的基础上，试图建立攀枝花财政收入与GDP 之间关系的误差修正模型。

由于应用传统回归分析方法进行估计与检验的前提条件是所探讨的相关变量必须具备平稳的特性，否则容易产生伪回归现象。考虑到本文采用的时间序列可能存在非平稳性，为此，首先对各变量分别进行单位根检验以检验各变量的时间序列的平稳性，若为非平稳，则检验这些变量之间是否存在协整关系，在协整检验的基础上，再对各变量之间是否存在Granger 因果关系进行检验。

二、检验模型

（一）变量时间序列的平稳性检验

变量的平稳性检验又称单位根检验，其方法通常有DF 检验法、PP 检验法和ADF 检验法。在实践中，人们通常使用的是ADF 检验法，其模型为：

模型Ⅰ（无常数项、无趋势项）：

∑=--+?+-=?m

i t i t i t t y y y 11)1(εδ

ρ （1）

模型Ⅱ（有常数项、无趋势项）：

∑=--+?+-+=?m

i t i t i t t y y y 111)1(εδ

ρβ （2）

模型Ⅲ（有常数项、有趋势项）：

∑=--+?+-++=?m

i t i t i t t y y t y 1121)1(εδ

ρββ （3）

其中t ε为白噪声，?表示变量的一阶差分，原假设为

1:0=ρH ，即t y 有一个单位根（非平稳）。T 为时间趋势因素。

若ADF 值小于Mackinnon 临界值，则序列是平稳的，否则是不平稳的。单位根检验的最佳滞后阶数按照AIC 准则确定。

（二）变量间的协整关系检验

对变量之间的协整检验有两种方法，一个是Engle-Granger 两步法，另一个是Johansen 检验法。前一种方法适合于检验两个变量之间的协整关系，而后一种方法却可用于检验多个变量之间的协整关系，而且可以求出它们之间可能存在的多个协整关系。由于本文研究的是财政收入与GDP 这两个变量之间的关系，所以本文将主要采用Engle -Granger 两步法来检验变量之间的协整关系。设t y 和t x 均为I （1）变量，首先用最小二乘法（OLS ）建立模型，进行协整回归：

t

t t u x y ++=10ββ （4） 其次对残差t u ^做平稳性检验，t t t x y u 1^

0^ββ--=。若残差序列为平稳的，则t y 和t x 存在（1,1）阶协整关系，即存在长期均衡关系，否则就不存在协整关系。在存在协整关系的条件下，引入误差项，建立如下误差修正模型：

∑∑=---=++?+?=?q

j t t j t j i t p i i t ecm x y y 111εγβα

（5）

其中t ecm 为误差修正项，即协整方程中的残差项t u ^。在误差修正

模型中，各个差分项反映了变量短期波动的影响。被解释变量的波动可以分为两部分：一部分是短期波动，一部分是长期均衡。

（三）变量间的格兰杰（Granger ）因果关系检验

协整检验告诉我们：变量之间存在长期均衡关系，但是否构成因

果关系，还需要进一步检验。如果变量x 有助于预测y ，即根据y 的过去值对y 进行回归时，如果再加上x 的过去值，能够显著的增强回归的解释力，则称x 是y 的Granger 原因，否则称为非Granger 原因。其检验模型为：

∑∑=--=+++=q

j t j t j i t p i i t x y c y 111εβα

（6）

检验的零假设为：x 是y 的非Granger 原因，即

0:210====q H βββ 。若零假设成立，则有：

01t i t p

i i t y c y εα

++=-=∑ （7）

令式（6）的残差平方和为1SSE ,式（7）的残差平方和为0SSE ,则)1/(/)(001----=q p T SSE q

SSE SSE F 应服从自由度为)1,(---q p T q 的F 分布，其中T

为样本容量，q p ,分别为y 和x 的滞后阶数，滞后阶数的确定，可根据赤池信息准则（AIC ）来确定。比较F 统计量与临界值的大小即可检验结果。如果F 大于临界值就拒绝零假设:0H x 是y 的非Granger 原因，换句话说，x 是y 的Granger 原因。反之，若F 小于临界值，则不能拒绝零假设，这就意味着x 不是y 的Granger 原因。

三、攀枝花地方财政收入与GDP 关系实证

（一）数据来源及处理

本文用于分析的数据均来自于《攀枝花统计年鉴》（2012)，样本数据为1978～2011年的年度数据。财政收入（CZSR ）和地区生产总值（GDP ）的数据均为当年价格。本实证分析选用的数据分析处理软件为 Eviews6.0。

（二）变量平稳性检验

变量平稳性检验也称为单位根检验，其方法主要有AD、ADF、DFGLS、PP检验法等。因对变量进行自然对数变换不会改变其原有的协整关系并能使其趋势化，而且还可以消除时间序列数据中存在的异方差，所以对名义地区生产总值和名义财政收入分别进行自然对数变换，变换后的变量分别用LCZSR和LGDP表示，其变化趋势见图1。

从图1可见，LGDP和LCZSR都有不断增长的趋势，并且变动方向较为一致，而且表现出一种不平稳的特性。

本文使用ADF法对LGDP和LCZSR进行检验，结果如表1所示。

注：（C,T,K）分别代表所检验的方程中含有截距、时间趋势及滞后阶数；△表示一阶差分。

从表1可以看出，两变量在1%置信水平下均存在单位根，属不平稳序列，但对其一阶差分后在1%置信水平下均不存在单位根，符合协整检验的前提条件。

（三）协整检验

协整检验方法主要有EG 两步法和Johansen 方法。EG 两步法主要适用于两变量协整检验，而Johansen 方法主要适用于多变量协整检验。因此本文采用了EG 两步法对LGDP 和LCZSR 进行检验。建立OLS 模型，并对参数进行估计，然后对残差进行单位根检验，以确定两变量之间是否具有协整关系。

首先对LCZSR 和LGDP 进行协整回归，得协整方程为：

LCZSR t = -0.3116 + 0.8562*LGDP t +U t （8） R 2=0.953 A- R 2=0.951 DW= 0.346 F= 644.8815 N=34

考虑到式（8）的DW=0.346值太小，说明存在自相关现象，为此，分别加入解释变量和被解释变量的滞后项，对LCZSR 和LGDP 之间的协整关系重新估计。根据AIC 准则选择各变量的滞后阶数，得到如下方程：

LCZSR t = -0.1203 + 1.1819*LGDP t -1.0168*LGDP t (-1)

+ 0.8093*LCZSR t (-1)+e t （9）R 2=0.984 A-R 2=0.983 DW=1.669 F=611.8623 N=34

现对e t 的平稳性进行检验，检验结果如表2所示：

(0.448) (0.034) (0.273)

(0.305) (0.294) (0.111)

表2 序列e的ADF检验结果

由于检验统计量-6.597小于显著性水平1%时的临界值-2.644，因此残差e为平稳序列，表明LCZSR和LGDP具有协整关系。

现将LCZSR和LGDP之间的协整方程写成如下形式：

LCZSR=LGDP

α+（10）β

由式（9）可计算式（10）中的回归参数：

α

=

.0-

-

=

1203

-

/(

)

.0

8093

.0

1

631

β

1819

.1

0618

.1(=

-

-

=

1

63

)

.0

)

/(

.0

8093

故LCZSR和LGDP之间的长期协整关系方程为：

631

-（11）.0+

LCZSR=LGDP

63

.0

根据协整模型（11），长期内，攀枝花GDP每变动1%，财政收入将同方向变动0.63%，即从长期来说，攀枝花财政收入对GDP的弹性为0.63，同时也说明了攀枝花财政收入与GDP之间具有显著的正相关性。

（四）误差修正模型

根据Grenger定理，如果两变量之间存在协整关系，那么一定存在误差修正模型的形式。用ecm表示模型(9)中的残差序列e，以ecm 代表非均衡误差，利用Eviews6.0软件进行反复尝试，建立如下误差修正模型：

DLCZSR = 0.973*DLGDP - 0.692*ECM(-1) （12）

(0.174) (0.191)

R2=0.97 A-R2=0.98 DW=1.896 N=32

在误差修正模型（12）中，各变量的回归系数都通过了显著性检

验。误差修正项系数（-0.692）为负，调整方向符合误差修正机制。模型中非均衡误差ECM的系数为-0.692，意味着上一年度的非均衡误

差以69.2%的比率对本年度的LCZSR

作出反向修正。

（五）Granger因果检验

由于变量之间存在协整关系，因此可以进一步进行格兰杰因果关系检验，检验结果如表3所示。

表3LCZSR和LGDP之间的格兰杰因果检验结果

注：**表示在5%显著性水平下拒绝原假设；***表示在10%显著性水平下拒绝原假设。

Granger因果检验结果表明，在滞后阶数为1的情况下，在10%的显著水平下，财政收入与GDP存在双向因果关系；而在滞后阶数为2的情况下，在5%的显著水平下，GDP是财政收入的Granger原因，而财政收入不是GDP的Granger原因。可见，GDP是财政收入的决定因素，GDP的变化能引起财政收入的变化，可以用GDP的变化来解释和预测财政收入的变化。

四、结论

1.根据Granger因果关系检验，1978～2011年，滞后阶数为1的情况下，攀枝花GDP和财政收入之间存在双向因果关系，即GDP和财政收入存在着显著的相互促进作用，GDP是财政收入的原因，GDP 的增长能引起财政收入的增长；财政收入也是GDP的Granger原因，财政收入的增长也能引起GDP的增长，这可能原因是：（1）财政收入的增加，使政府能够集中足够的财力，为整个社会提供更多的公共

产品、基础设施，从而为国民经济的发展奠定基础，促进了经济增长；（2）财政税收在参与国民收入分配和进行资源配置的过程中，通过弥补市场失灵，把社会资源配置到经济和社会效益较好的环节中去而促进经济增长；（3）政府财政收入的增加，使得政府能够通过自己的支出活动，直接刺激需求，从而拉动经济增长。而在滞后2阶后，GDP和财政收入之间只存在单向的因果关系，GDP是财政收入的Granger原因，GDP是财政收入的决定因素。

2.根据协整检验，尽管攀枝花的财政收入与GDP都具有非平稳性，但它们之间却有长期稳定的协整关系。就长期而言，攀枝花的财政收入与GDP之间具有统计上的高度相关性。从误差修正模型来看，短期内财政收入与GDP之间存在动态调整机制，由于误差项的存在，可以自动地实现财政收入与GDP之间的长期均衡关系。

3.从协整方程来看，攀枝花的财政收入对GDP的弹性为0.63，弹性小于1，说明财政收入的增长率小于GDP的增长率，财政收入的增长落后于经济的增长。因此，仍需要进一步采取措施，提高财政收入对GDP的弹性。

参考文献：

[1]Sculley,G.Taxation Aggrngate Activity and Economic Growth Further Cross-cou Evidence on Some Supply-side Hypotheses[J].Economic Inquiry,2001,Vol.5(1):367-396.

[2]Sculley,G.W.Tax Rate,Tax Revenues and Economic Growth[M].Policy Report No.98,1991,National Center for Policy Analysis,Dallas.

[3]彭志捌,蒋丽娟,张凤.财政收入的逐步回归分析[J].江汉石油学院学报，2004，(6):329-330.

[4]李国锋，王乃静.山东省地方财政收入与经济发展的总量关系比较研究[J].山东经济，2004，(6):67-72.

[5]杨丹，陈晓毅.我国财政收入占GDP比重的实证分析[J].统计与信息论

坛，2004，(2):81-83.

[6]庞瑞芝，张志超.转轨时期我国财政收入增长与GDP的实证分析[J].天津商学院学报，2002，(3):54-56.

[7]徐箐. 财政收人与经济增长关系研究[J].经济与管理科学, 2009(4).

误差修正模型实例(精)

一、误差修正模型的构造 对于yt的(1，1阶自回归分布滞后模型： 在模型两端同时减yt-1，在模型右端，得： 其中，，，。 记（5-5） 则（5-6） 称模型（5-6）为“误差修正模型”，简称ECM。 二、误差修正模型的含义 如果yt ~ I(1，x t ~ I(1，则模型（5-6）左端，右端，所以只有当yt和x t协整、即yt和x t之间存在长期均衡关系时，式（5-5）中的ecm~I(0，模型（5-6）两端的平稳性才会相同。 当yt和x t协整时，设协整回归方程为：

它反映了yt与x t的长期均衡关系，所以称式（5-5）中的ecm t-1是前一期的“非均衡误差”，称误差修正模型（5-6） 中的是误差修正项，是 修正系数，由于通常 ，这样；当ecm t-1 >0时（即出现正误差），误差修正项< 0，而ecm t-1 < 0时（即出现负误差）， > 0，两者的方向恰好相反，所以，误差修正是一个反向 调整过程（负反馈机制）。 误差修正模型有以下几个明确的含义： 1．均衡的偏差调整机制 2．协整与长期均衡的关系 3．经济变量的长期与短期变化模型 长期趋势模型： 短期波动模型： 三、误差修正模型的估计 建立ECM的具体步骤为： 1．检验被解释变量y与解释变量x（可以是多个变量）之间的协整性； 2．如果y与x存在协整关系，估计协整回归方程，计算残差序列e t：

3．将e t-1作为一个解释变量，估计误差修正模型： 说明： （1）第1步协整检验中，如果残差是确定趋势过程，可以在第2步的协整回归方程中加入趋势变量； （2）第2步可以估计动态自回归分布滞后模型： 此时，长期参数为： 协整回归方程和残差也相应取成： ， （3）第2步估计出ECM之后，可以检验模型的残差是否存在长期趋势和自相关性。如果存在长期趋势，则在ECM中加入趋势变量。如果存在自相关性，则在ECM的右端加入 误差修正项的滞后期一般也要作相应 调整。 如取成以下形式：

协整检验及误差修正模型实验指导

协整检验及误差修正模型实验指导 一、实验目的 理解经济时间序列之间的理论关系，并学会用统计方法验证他们之间的关系。学会验证时间序列存在的不平稳性，掌握ADF检验平稳性的方法。认识不平稳的序列容易导致虚假回归问题，掌握为解决虚假回归问题引出的协整检验，协整的概念和具体的协整检验过程。协整描述了变量之间的长期关系，为了进一步研究变量之间的短期均衡是否存在，掌握误差纠正模型方法。 二、实验内容及要求 1、实验内容 用Eviews来分析1982年到2002年中国居民实际消费支出的对数序列和中国居民实际可支配收入的对数序列{}之间的关系。内容包括： （1）对两个对数序列分别进行ADF平稳性检验； （2）进行二者之间的协整关系检验； （3）若存在协整关系，建立误差修正模型ECM。 2、实验要求 （1）在认真理解本章内容的基础上，通过实验掌握ADF检验平稳性的方法； （2）掌握具体的协整检验过程，以及误差修正模型的建立方法； （3）能对宏观经济变量间的长期均衡关系进行分析。 三、实验指导 1、对两个数据序列分别进行平稳性检验： （1）做时序图看二者的平稳性 在workfile中按住ctrl选择要检验的二变量，击右键，选择open—as group，此时他们可以作为一个数据组被打开。点击“View”―“graph”—“line”，得到两个序列的时序图。 给出两个序列的时序图。 从上图可以看出两个序列都呈上升趋势，显然不平稳，但二者有大致相同的增长和变化趋势，说明二者可能存在协整关系。但若要证实二者有协整关系，必须先看二者的单整阶数，如果都是一阶单整，则可能存在协整关系，若单整地阶数不相同，则需采取差分的方式，

协整检验及误差修正模型实验指导

实验八 协整检验及误差修正模型实验指导 一、实验目的 理解经济时间序列之间的理论关系，并学会用统计方法验证他们之间的关系。学会验证时间序列存在的不平稳性，掌握ADF 检验平稳性的方法。认识不平稳的序列容易导致虚假回归问题，掌握为解决虚假回归问题引出的协整检验，协整的概念和具体的协整检验过程。协整描述了变量之间的长期关系，为了进一步研究变量之间的短期均衡是否存在，掌握误差纠正模型方法。 二、基本概念 设随机向量t X 中所含分量均为d 阶单整，记为t X I(d ):。如果存在一个非零向量β，使得随机向量()~t t Y X I d b =-β，0b >，则称随机向量t X 具有d ,b 阶协整关系，记为t X CI(d ,b ):，向量β被称为协整向量。特别地，t y 和t x 为随机变量，并且t y ，~(1)t x I ，当01()~I(0)t t t y x εββ=-+，即t y 和t x 的线性组合与I(0)变量有相同的统计性质，则称t y 和t x 是协整的，()01,ββ称为协整系数。更一般地，如果一些I(1)变量的线性组合是I(0)，那么我们就称这些变量是协整的。 三、实验内容及要求 1、实验内容 用Eviews5.1来分析1978年到2002年中国农村居民对数生活费支出序列{ln }t y 和对数人均纯收入{ln t x }序列之间的关系。内容包括： （1）对两个对数序列分别进行ADF 平稳性检验； （2）进行二者之间的协整关系检验； （3）若存在协整关系，建立误差纠正模型ECM 。 2、实验要求 （1）在认真理解本章内容的基础上，通过实验掌握ADF 检验平稳性的方法； （2）掌握具体的协整检验过程，以及误差纠正模型的建立方法； （3）能对宏观经济变量间的长期均衡关系进行分析。 四、实验指导 1、对两个数据序列分别进行平稳性检验： （1）做时序图看二者的平稳性 首先按前面介绍的方法导入数据，在workfile 中按住ctrl 选择要检验的二变量，击右键，选择open —as group ，此时他们可以作为一个数据组被打开。 点击“View ”―“graph ”—“line ”，对两个序列做时序图见图8-1，两个序列都呈上升趋势，显然不平稳，但二者有大致相同的增长和变化趋势，说明二者可能存在协整关系。但若要证实二者有协整关系，必须先看二者的单整阶数，如果都是一阶单整，则可能存在协整关系，若单整地阶数不相同，则需采取差分的方式，将他们变成一阶单整序列。 图8-1 ln t x 和ln t y 时序图

协整与误差修正模型

协整与误差修正模型 在处理时间序列数据时，我们还得考虑序列的平稳性。如果一个时间序列的均值或自协方差函数随时间而改变，那么该序列就是非平稳的。对于非平稳的数据，采用传统的估计方法，可能会导致错误的推断，即伪回归。若非平稳序列经过一阶差分变为平稳序列，那么该序列就为一阶单整序列。对一组非平稳但具有同阶的序列而言，若它们的线性组合为平稳序列，则称该组合序列具有协整关系。对具有协整关系的序列，我们算出误差修正项，并将误差修正项的滞后一期看做一个解释变量，连同其他反映短期波动关系的变量一起。建立误差修正模型。 建立误差修正模型的步骤如下：首先，对单个序列进行单根检验，进行单根检验有两种：ADF （Augument Dickey-Fuller ）和DF(Dickey-Fuller)检验法。若序列都是同阶单整，我们就可以对其进行协整分析。在此我们只介绍单个方程的检验方法。对于多向量的检验参见Johensen 协整检验。我们可以先求出误差项，再建立误差修正模型，也可以先求出向量误差修正模型，然后算出误差修正项。补充一点的是，误差修正模型反映的是变量短期的相互关系，而误差修正项反映出变量长期的关系。下面我们给出案例分析。 案例分析 在此，我们考虑从1978年到2002年城镇居民的人均可支配收入income 与人均消费水平consume 的关系，数据来自于《中国统计年鉴》，如表8.1所示。根据相对收入假设理论，在一定时期，人们的当期的消费水平不仅与当期的可支配收入、而且受前期的消费水平的影响，具有一定的消费惯性，这就是消费的棘轮效应。从这个理论出发，我们可以建立如下（8.1）式的模型。同时根据生命周期假设理论，消费者的消费不仅与当期收入有关，同时也受过去各项的收入以及对将来预期收入的限制和影响。从我们下面的数据分析中，我们可以把相对收入假设理论与生命周期假设理论联系起来，推出如下的结果：当期的消费水平不仅与当期的可支配收入有关，而且还与前期的可支配收入、前两期的消费水平有关。在此先对人均可支配收入和人均消费水平取对数，同时给出如下的模型 t t t l i n c o m e l c o n s u m e l c o n s u m e 2110?+?+?=- t=1,2,…,n （8.1） 如果当期的人均消费水平与当期的人均可支配收入及前期的人均消费水平均为一阶单整序列，而它们的线性组合为平稳序列，那么我们可以求出误差修正序列，并建立误差修正模型，如下： t ecm lconsume lincome lconsume t t t t 4131210βββββ++?+?+=?-- t=1,2,…,n (8.2) t ecm = 12110--?-?-?-t t t lincome lconsume lconsume t=1,2,…,n (8.3) 从（8.2）式我们可以推出如下的方程： t lincome lincome lconsume lconsume lconsume t t t t t 4030123222131131)()()1(ββββββββββ+?-+?--+?--++=---（8.4） 在（8.2）中lc o n su m e ?、 lincome ?分别为变量对数滞后一期的值，)1(-ecm 为误差 修正项，如（8.3）式所示。（8.2）式为含有常数项和趋势项的形式，我们省略了只含趋势项或常数项及二项均无的形式。 表8.1

第5章 动态回归与误差修正模型(案例)汇总

例：（file: break2）东北、华北、华东、华中21省市1993和1998年耕地面积（land ,百万公顷）和农业产值（Y , 百亿元）数据见图（已取对数）。用圆圈表示的观测点为1993年数据，用三角表示的观测点为1998年数据。大体看各省市1998年耕地面积比1993年耕地面积略有减少，产值却都有增加。以1993和1998年数据为两个子样本，以42个数据为总样本，求得残差平方和见下表 -10 12 3 -2 -1 1 2 3 LOG(LAND) LOG(Y93)LOG(Y98) -10 1 2 3 -2 -1 1 2 3 LOG(LAND) LOG(Y93)LOG(Y98) 样本容量 残差平方和 相应自由度 回归系数 1 T = 42 SSE T = 14.26 T - k = 40 2 n 1= 21 SSE 1 = 4.37 n 1 - k = 19 α1 3 n 2= 21 SSE 2 = 3.76 n 2 - k = 19 β1 注：三次回归的模型形式Lnout t = β0 +β1 Lnland t + u t 。 因为， F = ) 2/()(/)]([2121k T SSE SSE k SSE SSE SSE T -++-= 38 /)76.337.4(2 /)]76.337.4(26.14[++-= 14.33 > F (1, 40) = 7.31

所以两个年度21省市的农业生产发生了很大变化。

案例1：开滦煤矿利润影响因素的实证分析（1903-1940，动态分布滞后模型，file:LH1） （发表在《学术论坛》，2003.1, p. 88-90） 1000 2000300040005000600005 10 15 20 25 30 35 40 销煤量 x1 图 1 开滦煤矿销煤量变化曲线（x 1, 1903-1940） 2 4681012141605 10 15 20 25 30 35 40 吨煤售价 X2 图2 开滦煤矿吨煤售价变化曲线（x 2, 1903-1940）

误差修正模型

第二节 误差修正模型（Error Correction Model ，ECM ） 一、误差修正模型的构造 对于y t 的(1，1)阶自回归分布滞后模型： t t t t t y x x y εβββα++++=--12110 在模型两端同时减y t-1，在模型右端10-±t x β，得： t t t t t t t t t t t t t x y x x y x y x x y εααγβεββββαββεββββα+--+?=+---+--+?=+-+++?+=?------)(]) 1()1()[1()1()(1101012120120121100 其中，12-=βγ，)1/()(200ββαα-+=，)1/(211ββα-=。 记 11011-----=t t t x y ecm αα （5-5） 则 t t t t ecm x y εγβ++?=?-10 （5-6） 称模型（5-6）为“误差修正模型”，简称ECM 。 二、误差修正模型的含义 如果y t ~ I(1)，x t ~ I(1)，则模型（5-6）左端)0(~I y t ?，右端)0(~I x t ?，所以只有当y t 和x t 协整、即y t 和x t 之间存在长期均衡关系时，式（5-5）中的ecm~I(0)，模型（5-6）两端的平稳性才会相同。 当y t 和x t 协整时，设协整回归方程为： t t t x y εαα++=10 它反映了y t 与x t 的长期均衡关系，所以称式（5-5）中的ecm t -1

是前一期的“非均衡误差”，称误差修正模型（5-6）中的1-t ecm γ是误差修正项，12-=βγ是修正系数，由于通常1||2<β，这样 0<γ； 当ecm t -1 >0时（即出现正误差），误差修正项1-t ecm γ< 0，而ecm t -1 < 0时（即出现负误差），1-t ecm γ> 0，两者的方向恰 好相反，所以，误差修正是一个反向调整过程（负反馈机制）。 误差修正模型有以下几个明确的含义： 1．均衡的偏差调整机制 2．协整与长期均衡的关系 3．经济变量的长期与短期变化模型 长期趋势模型： t t t x y εαα++=10 短期波动模型： t t t t ecm x y εγβ++?=?-10 三、误差修正模型的估计 建立ECM 的具体步骤为： 1．检验被解释变量y 与解释变量x （可以是多个变量）之间的协整性； 2．如果y 与x 存在协整关系，估计协整回归方程，计算残差序列e t ： t t t x y εβα++=0 t t t x y e 0??βα--= 3．将e t-1作为一个解释变量，估计误差修正模型： t t t t v e x y ++?=?-10γβ 说明： （1）第1步协整检验中，如果残差是确定趋势过程，可以在第2步的协整回归方程中加入趋势变量； （2）第2步可以估计动态自回归分布滞后模型： t i t i i t i t y x y εβαα∑∑+++=-- 此时，长期参数为： ∑∑-=)1(i i βαθ 协整回归方程和残差也相应取成：

误差修正模型案例

大型作业报告 课程名称计量经济学 课程代码142102601 题目误差修正模型 专业经济学 班级2010271 成员陈晓燕

上海电力学院经济与管理学院

计量经济学大型作业评分表 备注： 课程设计报告的质量70%，分4个等级： 1、按要求格式书写，计算正确，方案合理，内容完整，绘图规范整洁，符合任务书的要求35－40 2、按要求格式书写，计算较正确，有少量错误，方案较合理，内容完整，绘图较规范整洁，基本符合任务书的要求26－34 3、基本按要求格式书写，计算较正确，有部分错误，方案较合理，内容基本完整，绘图不规范整洁，基本符合任务书的要求15－25 4、基本按要求格式书写，计算错误较多，方案不合理，内容不完整，绘图不规范整洁，不符合任务书的要求0－14 工作态度30%，分4个等级： 1、很好，积极参与，答疑及出勤情况很好16－20 2、良好，比较能积极参与，答疑情况良好但有少量缺勤记录，或答疑情况

一般但出勤情况良好11－15 3、一般，积极性不是很高，基本没有答疑记录，出勤情况较差6－10 4、欠佳，不认真投入，且缺勤很多，也没有任何答疑记录0－5 实验报告 一、实验目的与要求 1、掌握时间序列的ADF平稳性检验； 2、掌握双变量的Engel-Granger检验； 3、掌握双变量的误差修正模型； 4、熟练使用Eviews软件建立误差修正模型。 二、实验内容 依据1978-2010年我国人均消费和人均GDP的数据，完成以下内容。 1、对实验数据进行单位根检验； 2、利用E-G两步法对实验数据进行协整检验； 3、根据实验数据的关系，建立误差修正模型，估计并进行解释。 三、实验步骤 （1）收集数据

第6章协整和误差修正模型

第6章协整和误差修正模型本章介绍含有非平稳变量结构方程或VAR的估计。在一维模型中，我们已经看到，可以通过差分去掉一个随机趋势，得到的平稳序列，再用Box-Jenkins方法来估计模型。在多维情况下，并不这样直接处理。通常，整变量的线性组合是平稳的，这些变量称为协整的。许多经济模型都有这种关系。 本章主要内容： 1．介绍协整的基本概念，及在经济模型中的应用。非平稳变量之间的均衡关系意味着它们的随机趋势是相联系的。均衡关系意味着这些变量不能相互独立运动。随机趋势之间的这种联系保证了这些变量是协整的。 2．考虑了协整变量的动态路径，由于协整变量的趋势是相互联系的，这些变量的动态路径反映了偏离均衡的偏差的联系。详细分析了变量的变化与偏离均衡的偏差之间的联系。 3．讨论了协整检验的几种方法。 6.1整变量的线性组合 考虑一个简单的货币需求模型：1）居民持有实际货币余额，使名义货币需求与价格水平成比例；2）当实际收入及交易次数的增加，居民希望持有更多的货币余额；3）利率是持有货币的机会成本，货币需求与利率负相关。因而，方程设定形式（采用对数形式）如下：

0123t t t t t m p y r e ββββ=++++ （6.1.1） 这里： t m =货币需求， t p =价格水平 t y =实际收入 t r =利率 t e =平稳扰动项 i β=待估计的参数 在货币市场是均衡的条件下，可以得到货币供给、价格水平、实际收入和短期利率的时间序列数据，且要求1231,0,0βββ=><。当然，在研究中需要检验这些限制。货币需求的任何偏差{}t e 必须是暂时的。如果{}t e 有随机趋势，偏离货币市场均衡的偏差不能消失。所以，这里的关键假设是{}t e 是平稳的。 许多研究者认为，实际GDP 、货币供给、价格水平、利率都是I(1)变量。每个变量都没有返回到长期水平的趋势。但（6.1.1）说明：对这些非平稳变量，存在线性组合是平稳的。 协整的概念由Engle 和Granger(1987)引出。考虑一组具有长期均衡关系 11220t t n nt x x x βββ+++= 的经济变量。令β和t x 表示向量12(,,,)n βββ和12(,,,)t t nt x x x '，当0t x β=，则系统处在长期均衡。偏离长期均衡的偏差（均衡误差）是t e ，使

协整检验和误差修正模型

财政支出与财政收入的协整关系研究 一 实验内容 根据我国1990-2007年间财政支出和财政收入的月度数据，研究财政支出和财政支出之间是否存在协整关系，进而做出二者的误差修正模型。 二 模型设定 为了定量分析财政支出和财政收入的关系，弄清二者是否存在长期均衡关系，建立了财政支出和财政收入的回归模型。 μββ++=)_ln()_ln(21in f ex f 其中ex f _表示财政支出；in f _表示财政收入。数据如下：

数据来源：统计年鉴 三、实证分析 1、数据处理 由数据结构可以看出，数据存在季节波动。首先利用X-12季节调整方法对这两个指标进行季节调整，消除季节因素，然后去对数。 2、单位根检验 经济时间序列数据往往出现非平稳的情况，如果直接对数据建立回归模型，可能会出现伪回归的现象，因此在做回归之前，运用ADF 方法，对数据进行单位根检验。 对ln(ex f _)、ln(in f _)及其一阶差分进行单位根检验，具体检验结果如下所示： ln( ex f _)原值单位根检验 Null Hypothesis: LNF_EX has a unit root Exogenous: Constant Lag Length: 5 (Automatic based on SIC, MAXLAG=14) t-Statistic Prob.*

Augmented Dickey-Fuller test statistic 0.519686 0.9871 Test critical values: 1% level -3.461478 5% level -2.875128 10% level -2.574090 *MacKinnon (1996) one-sided p-values. f_)一阶差分单位根检验 ln(ex Null Hypothesis: D(LNF_EX) has a unit root Exogenous: Constant Lag Length: 4 (Automatic based on SIC, MAXLAG=14) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -10.83446 0.0000 Test critical values: 1% level -3.461478 5% level -2.875128 10% level -2.574090 *MacKinnon (1996) one-sided p-values. f_)原值单位根检验 ln(in Null Hypothesis: LNF_IN has a unit root Exogenous: Constant Lag Length: 11 (Automatic based on SIC, MAXLAG=14) t-Statistic Prob.* Augmented Dickey-Fuller test statistic 0.763850 0.9932 Test critical values: 1% level -3.462412 5% level -2.875538 10% level -2.574309 *MacKinnon (1996) one-sided p-values. f_)一阶差分单位根检验 ln(in Null Hypothesis: D(LNF_IN) has a unit root Exogenous: Constant Lag Length: 10 (Automatic based on SIC, MAXLAG=14) t-Statistic Prob.*

stata-误差修正模型讲解

误差修正模型： 如果用两个变量，人均消费y 和人均收入x （从格林的数据获得）来研究误差修正模型。 令z=（y x ）’，则模型为： t t k i i t t z p z A z επ+?++=?-=-∑11 10 其中，'αβπ= 如果令1=k ，即滞后项为1，则模型为 t t t t z p z A z επ+?++=?--1110 实际上为两个方程的估计： t t t t t y t x p y p x b y b a y 1112111112111ε+?+?+++=?---- t t t t t x t x p y p x b y b a x 2122121122121ε+?+?+++=?---- 用ols 命令做出的结果： gen t=_n tsset t time variable: t, 1 to 204 gen ly=L.y (1 missing value generated) gen lx=L.x (1 missing value generated) reg D.y ly lx D.ly D.lx Source | SS df MS Number of obs = 202 -------------+------------------------------ F( 4, 197) = 21.07 Model | 37251.2525 4 9312.81313 Prob > F = 0.0000 Residual | 87073.3154 197 441.996525 R-squared = 0.2996 -------------+------------------------------ Adj R-squared = 0.2854 Total | 124324.568 201 618.530189 Root MSE = 21.024 ------------------------------------------------------------------------------ D.y | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------- ly | .0417242 .0187553 2.22 0.027 .0047371 .0787112 lx | -.0318574 .0171217 -1.86 0.064 -.0656228 .001908 ly | D1. | .1093189 .082368 1.33 0.186 -.0531173 .2717552 lx | D1. | .0792758 .0566966 1.40 0.164 -.0325344 .1910861 _cons | 2.533504 3.757158 0.67 0.501 -4.875909 9.942916 这是t t t t t y t x p y p x b y b a y 1112111112111ε+?+?+++=?----的回归结果，其中y a =2.5335，

协整检验及误差修正模型实验指导(精)

实验八协整检验及误差修正模型实验指导 一、实验目的 理解经济时间序列之间的理论关系，并学会用统计方法验证他们之间的关系。学会验证时间序列存在的不平稳性，掌握ADF检验平稳性的方法。认识不平稳的序列容易导致虚假回归问题，掌握为解决虚假回归问题引出的协整检验，协整的概念和具体的协整检验过程。协整描述了变量之间的长期关系，为了进一步研究变量之间的短期均衡是否存在，掌握误差纠正模型方法。 二、基本概念 设随机向量中所含分量均为阶单整，记为。如果存在一个非零向量，使得随机向量，，则称随机向量具有阶协整关系，记为 ，向量被称为协整向量。特别地，和为随机变量，并且，，当，即和的线性组合与变量有相同的统计性质，则称和是协整的，称为协整系数。更一般地，如果一些变量的线性组 合是，那么我们就称这些变量是协整的。 三、实验内容及要求 1、实验内容 用Eviews5.1来分析1978年到2002年中国农村居民对数生活费支出序列和对数人均纯收入{}序列之间的关系。内容包括： （1）对两个对数序列分别进行ADF平稳性检验； （2）进行二者之间的协整关系检验； （3）若存在协整关系，建立误差纠正模型ECM。 2、实验要求 （1）在认真理解本章内容的基础上，通过实验掌握ADF检验平稳性的方法； （2）掌握具体的协整检验过程，以及误差纠正模型的建立方法； （3）能对宏观经济变量间的长期均衡关系进行分析。 四、实验指导 1、对两个数据序列分别进行平稳性检验： （1）做时序图看二者的平稳性

首先按前面介绍的方法导入数据，在workfile中按住ctrl选择要检验的二变量，击右键，选择open—as group，此时他们可以作为一个数据组被打开。 点击“View”―“graph”—“line”，对两个序列做时序图见图8-1，两个序列都呈上升趋势，显然不平稳，但二者有大致相同的增长和变化趋势，说明二者可能存在协整关系。但若要证实二者有协整关系，必须先看二者的单整阶数，如果都是一阶单整，则可能存在协整关系，若单整地阶数不相同，则需采取差分的方式，将他们变成一阶单整序列。 图8-1 和时序图 （2）用ADF检验分别对序列和进行单整检验 双击每个序列，对其进行ADF单位根检验，有两种方法。方法一：“view”—“unit root test”；方法二：点击菜单中的“quick”―“series statistic”―“unit root test”。序列和都有 明显的上升趋势，采用带常数项和趋势项的模型进行检验，见图8-2，对对数序列的原水平进行带趋势项和常数项的ADF检验，采用SC准则自动选择滞后阶数，检验结果见图8-3和8-4，在0.05的显著性水平下，都接受存在一个单位根的原假设，说明这两个序列都不平稳。

协整检验及误差修正模型定稿版

协整检验及误差修正模 型 HUA system office room 【HUA16H-TTMS2A-HUAS8Q8-HUAH1688】

协整检验及误差修正模型 设随机向量t X 中所含分量均为d 阶单整，记为t X I(d )。如果存在一个非零向量β，使得随机向量()~t t Y X I d b =-β，0b >，则称随机向量t X 具有d ,b 阶协整关系，记为t X CI(d ,b )，向量β被称为协整向量。特别地，t y 和t x 为随机变量，并且t y ， ~(1)t x I ，当01()~I(0)t t t y x εββ=-+，即t y 和t x 的线性组合与I(0)变量有相同的统计性质，则称t y 和t x 是协整的，()01,ββ称为协整系数。更一般地，如果一些I(1)变量的线性组合是I(0)，那么我们就称这些变量是协整的。 用Eviews5.1来分析1978年到2002年中国农村居民对数生活费支出序列{ln }t y 和对数人均纯收入{ln t x }序列之间的关系。 1、对两个数据序列分别进行平稳性检验： （1）做时序图看二者的平稳性 首先按前面介绍的方法导入数据，在workfile 中按住ctrl 选择要检验的二变量，击右键，选择open —as group ，此时他们可以作为一个数据组被打开。 点击“View ”―“graph ”—“line ”，对两个序列做时序图见图8-1，两个序列都呈上升趋势，显然不平稳，但二者有大致相同的增长和变化趋势，说明二者可能存在协整关系。但若要证实二者有协整关系，必须先看二者的单整阶数，如果都是一阶单整，则可能存在协整关系，若单整地阶数不相同，则需采取差分的方式，将他们变成一阶单整序列。 图8-1 ln t x 和ln t y 时序图

实验报告二——误差修正模型的建立与分析

实验报告（二）——误差修正模型(ECM)的建立与分析 一、单位根检验： 1、绘制cons与GDP的时间序列图： 从时间序列图中可以看出，cons与GDP随时间增加都呈上升趋势，表现出非平稳性。 2、对cons进行单位根检验： 先选择对原序列（level）进行单位根检验，根据cons与GDP的时间序列图的走势，选择trend and intercept的检验方法，在maximum lags中填写ADF 检验方法的滞后期为0，从上表中可以看出，P值为0.9888，大于0.05的显著性水平，说明原序列是非平稳的。

选择cons的一阶差分（1st）和trend and intercept,从上表中可以看出，经过一阶差分后，P值（=0.5099）仍然没有通过0.05的置信水平检验，说明是不平稳的，需要继续改进。 再试用ADF检验，在滞后期（maximum lags）中填入8，选择一阶差分和trend and intercept，得出上表，可以看出P值=0.0801，大于0.05，没有通过0.05的置信水平检验，说明是不平稳的，需要继续改进。

再试用ADF检验，在滞后期（maximum lags）中填入6，选择二阶差分和trend and intercept，得出上表，可以看出P值=0.0137，小于0.05，通过0.05的置信水平检验，说明是平稳的。 3、对GDP进行单位根检验：

先选择对原序列（level）进行单位根检验，根据cons与GDP的时间序列图的走势，选择trend and intercept的检验方法，在maximum lags中填写ADF 检验方法的滞后期为0，从上表中可以看出，P值为1.0000，大于0.05的显著性水平，说明原序列是非平稳的。 选择GDP的一阶差分（1st）和trend and intercept,从上表中可以看出，经过一阶差分后，P值（=0.5574）仍然没有通过0.05的置信水平检验，说明是不平稳的，需要继续改进。

误差修正模型.

第二节误差修正模型（Error Correction Model，ECM） 一、误差修正模型的构造 对于yt的(1，1阶自回归分布滞后模型： 在模型两端同时减yt-1，在模型右端，得： 其中，，，。 记（5-5） 则（5-6） 称模型（5-6）为“误差修正模型”，简称ECM。 二、误差修正模型的含义 如果yt ~ I(1，xt ~ I(1，则模型（5-6）左端 ，右端，所以只有当yt和xt协整、即yt 和xt之间存在长期均衡关系时，式（5-5）中的 ecm~I(0，模型（5-6）两端的平稳性才会相同。 当yt和xt协整时，设协整回归方程为：

它反映了yt与xt的长期均衡关系，所以称式（5-5）中的ecmt-1是前一期的“非均衡误差”，称误差修正模型（5-6）中的是误差修正项，是修正系数，由于通常 ，这样；当ecmt-1 >0时（即出现正误差），误差 修正项< 0，而ecmt-1 < 0时（即出现负误差）， > 0，两者的方向恰好相反，所以，误差修正是一个反向 调整过程（负反馈机制）。 误差修正模型有以下几个明确的含义： 1．均衡的偏差调整机制 2．协整与长期均衡的关系 3．经济变量的长期与短期变化模型 长期趋势模型： 短期波动模型： 三、误差修正模型的估计 建立ECM的具体步骤为： 1．检验被解释变量y与解释变量x（可以是多个变量）之间的协整性； 2．如果y与x存在协整关系，估计协整回归方程，计算残差序列e t：

3．将e t-1作为一个解释变量，估计误差修正模型： 说明： （1）第1步协整检验中，如果残差是确定趋势过程，可以在第2步的协整回归方程中加入趋势变量； （2）第2步可以估计动态自回归分布滞后模型： 此时，长期参数为： 协整回归方程和残差也相应取成： ， （3）第2步估计出ECM之后，可以检验模型的残差是否存在长期趋势和自相关性。如果存在长期趋势，则在ECM中加入趋势变量。如果存在自相关性，则在ECM的右端加入的滞后项来消除自相关性，误差修正项的滞后期一般也要作相应调整。如取成以下形式： 由于模型中的各项都是平稳变量，所以可以用t检验判断各项的显著性，逐个剔除其中不显著的变量，当然误差修正项要尽可能保留。

协整与误差修正模型

. 第六讲协整与误差修正模型 一、非平稳过程与单位根检验 二、长期均衡关系与协整 三、误差修正模型 可编辑

. 一、非平稳过程与单位根检验 1、非平稳过程 1）随机游走过程（random walk）。 y t = y t-1 + u t, u t IID(0, 2) 10 y=y(-1)+u 5 -5 -10 204060140160 差分平稳过程（difference- stationary process）。 可编辑

. 可编辑 2）有漂移项的非平稳过程（non-stationary process with drift ）或随机趋势非平稳过程（stochastic trend process ）。 y t = + y t -1 + u t , u t IID(0, 2) 迭代变换：y t = + ( + y t -2 + u t -1) + u t = … = y 0 + t +∑-t i i u 1 = t +∑-t i i u 1 20 40 60 80 100 -80 -60 -40 -20 20 差分平稳过程

. 3）趋势平稳过程（trend-stationary process）或退势平稳过程。 y t = + t + u t, u t IID(0, 2) 25 20 15 10 5 5101520253035404550 趋势平稳过程的差分过程是过度差分过程：y t = + u t - u t-1。所以应该用退势的方法获得平稳过程。 y t - t = + u t。 可编辑

. 4）确定性趋势非平稳过程（non-stationary process with deterministic trend） y t = + t + y t-1+ u t, u t IID(0, 2) 180 160 140 120 100 80 60 400450500550600650700750800 确定性趋势非平稳过程的差分过程是退势平稳过程，yt = + t + ut。确定性趋势非平稳过程的退势过程是非平稳过程，yt - t = + yt-1+ 可编辑

协整与误差修正模型

第六讲协整与误差修正模型 一、非平稳过程与单位根检验 二、长期均衡关系与协整 三、误差修正模型

一、非平稳过程与单位根检验 1、非平稳过程 1）随机游走过程（random walk）。 y t = y t-1 + u t, u t~ IID(0, σ2) 10 y=y(-1)+u 5 -5 -10 204060140160 差分平稳过程（difference- stationary process）。

2）有漂移项的非平稳过程（non-stationary process with drift ）或随机趋势非平稳过程（stochastic trend process ）。 y t = μ + y t -1 + u t , u t ~ IID(0, σ2) 迭代变换：y t = μ + (μ + y t -2 + u t -1) + u t = … = y 0 + μ t +∑-t i i u 1= μ t +∑-t i i u 1 20 4060 80100-80-60 -40 -20 20 差分平稳过程

3）趋势平稳过程（trend-stationary process）或退势平稳过程。 y t = μ+ α t + u t, u t~ IID(0, σ2) 25 20 15 10 5 5101520253035404550 趋势平稳过程的差分过程是过度差分过程：?y t = α + u t - u t-1。所以应该用退势的方法获得平稳过程。 y t - α t = μ+ u t。

4）确定性趋势非平稳过程（non-stationary process with deterministic trend）y t = μ+ α t + y t-1+ u t, u t~ IID(0, σ2) 180 160 140 120 100 80 60 400450500550600650700750800 确定性趋势非平稳过程的差分过程是退势平稳过程，?yt = μ + α t + ut。确定性趋势非平稳过程的退势过程是非平稳过程，yt - α t = μ + yt-1+ ut。只有既差分又退势才能得到平稳过程，?yt - α t = μ + ut。

误差修正模型ECM

Error Correction Model 用EVIEWS怎么做 一、利用EG两步法做协整检验。在两个变量情况下（设为Y、X），包括两序列单整检验、两变量最小二乘法回归并得到残差序列并命名为e、对e作单位根检验。 二、在证明Y、X两序列间存在协整后，才可以建立ECM。其中，误差修正项ecm的值就是之前的回归模型的残差序列e。 三、直接输入以下命令： ls y c y(-1) x x(-1) 得到的估计结果在实际预测时比较方便，不过需要计算得到ecm项的系数。 四、也可以直接输入以下命令： ls y c x e(-1) 其中，e(-1)项的系数就是ecm项的系数。这个模型的优点是直观，但是不便于预测。 五、两种估计是等价的。 六、建议参考阅读易丹辉：《数据分析与EViews应用》，中国统计出版社2002年版。（也许有新版也不一定） 对于误差修正模型，需要先建立一个模型，然后进行回归分析，分析它的短期均衡关系。 操作：举个例子说，比如试图建立y对y(-1)和x的误差修正模型。 STEP1 建立长期关系 ls y c y(-1) x STEP2 对残差进行单位根检验来检验协整关系 ecm=resid uroot(10,h) ecm STEP3 建立误差修正模型 ls d(y) c d(y(-1)) d(x) ecm(-1)

教程：

案例1 上面的分析可以证明序列lconsume、lincome及lconsme(-1)之间存在协整关系，故可以建立ecm（误差修正模型）。先分别对序列lconsume、lincome及lconsme(-1)进行一阶差分,然后对误差修正模型进行估计。在主窗口命令行中输入： ls d(lconsume) c d(lincome) d(lconsume(-1)) ecm(-1) 此时的常数项系数不明显，我们去掉常数项后再进行回归，结果如下图8.6所示 图8.6 从上式可以看出上式中的T检验值均显著，误差修正项的系数为-0.252,这说明长期均衡对短期波动的影响不大。 下面我们短期会给出另一种估计方式。我们可以直接进行估计，命令为：

协整与误差修正模型计算实验

协整与误差修正模型 武汉大学经济学系数量经济学教研室《实践教改项目组》编制 在处理时间序列数据时，我们还得考虑序列的平稳性。如果一个时间序列的均值或自协方差函数随时间而改变，那么该序列就是非平稳的。对于非平稳的数据，采用传统的估计方法，可能会导致错误的推断，即伪回归。若非平稳序列经过一阶差分变为平稳序列，那么该序列就为一阶单整序列。对一组非平稳但具有同阶的序列而言，若它们的线性组合为平稳序列，则称该组合序列具有协整关系。对具有协整关系的序列，我们算出误差修正项，并将误差修正项的滞后一期看做一个解释变量，连同其他反映短期波动关系的变量一起。建立误差修正模型。 建立误差修正模型的步骤如下：首先，对单个序列进行单根检验，进行单根检验有两种：ADF （Augument Dickey-Fuller ）和DF(Dickey-Fuller)检验法。若序列都是同阶单整，我们就可以对其进行协整分析。在此我们只介绍单个方程的检验方法。对于多向量的检验参见Johensen 协整检验。我们可以先求出误差项，再建立误差修正模型，也可以先求出向量误差修正模型，然后算出误差修正项。补充一点的是，误差修正模型反映的是变量短期的相互关系，而误差修正项反映出变量长期的关系。下面我们给出案例分析。 案例分析 在此，我们考虑从1978年到2002年城镇居民的人均可支配收入income 与人均消费水平consume 的关系，数据来自于《中国统计年鉴》，如表8.1所示。根据相对收入假设理论，在一定时期，人们的当期的消费水平不仅与当期的可支配收入、而且受前期的消费水平的影响，具有一定的消费惯性，这就是消费的棘轮效应。从这个理论出发，我们可以建立如下（8.1）式的模型。同时根据生命周期假设理论，消费者的消费不仅与当期收入有关，同时也受过去各项的收入以及对将来预期收入的限制和影响。从我们下面的数据分析中，我们可以把相对收入假设理论与生命周期假设理论联系起来，推出如下的结果：当期的消费水平不仅与当期的可支配收入有关，而且还与前期的可支配收入、前两期的消费水平有关。在此先对人均可支配收入和人均消费水平取对数，同时给出如下的模型 t t t l i n c o m e l c o n s u m e l c o n s u m e 2110?+?+?=- t=1,2,…,n （8.1） 如果当期的人均消费水平与当期的人均可支配收入及前期的人均消费水平均为一阶单 整序列，而它们的线性组合为平稳序列，那么我们可以求出误差修正序列，并建立误差修正模型，如下： t ecm lconsume lincome lconsume t t t t 4131210βββββ++?+?+=?-- t=1,2,…,n (8.2) t ecm = 12110--?-?-?-t t t lincome lconsume lconsume t=1,2,…,n (8.3) 从（8.2）式我们可以推出如下的方程： t lincome lincome lconsume lconsume lconsume t t t t t 4030123222131131)()()1(ββββββββββ+?-+?--+?--++=---（8.4） 在（8.2）中lc o n s u m e ?、 lincome ?分别为变量对数滞后一期的值，)1(-ecm 为误差修正项，如（8.3）式所示。（8.2）式为含有常数项和趋势项的形式，我们省略了只含趋势项