首先考虑两个时间序列和,它们都是,即两个序列都包含单位根。如果这两个系列是协整的,则将存在系数和这样:
X 2 吨予(1 ) μ β 2X1 吨X2 吨一世(1 )μβ2
X1 吨= μ + β2X2 吨+ 你Ť(1 )
将定义一个平衡。为了使用Engle-Granger两步法测试协整,我们将
1)测试序列和的单位根。如果两者均为则继续执行步骤2)。 x 2 吨 I(1 )X1 吨x2tI(1)
2)运行上面定义的回归方程式并保存残差。我定义了一个新的“纠错”术语。u^t=ecm^t
3)测试单位根的残差()。请注意,该检验与无协整检验相同,因为在原假设下,残差不是固定的。但是,如果存在协整,则残差应该是固定的。请记住,基于残差的ADF检验的分布与通常的DF分布不同,并且将取决于上述静态回归中估计参数的数量,因为静态回归中的变量会将DF分布转移到剩下。具有常数和趋势的静态回归中一个估计参数的5%临界值分别为-3.34和-3.78。
ecm^t
4)如果您拒绝残差中的单位根的零点(无协整的零点),则您不能拒绝两个变量进行协整。
5)如果您想建立一个纠错模型并研究这两个系列之间的长期关系,我建议您宁愿设置ADL或ECM模型,因为Engle- Granger静态回归,由于分布取决于未知参数,因此我们无法对静态回归中的估计参数的重要性进行任何说明。要回答您的问题:1)如上所示,您的方法是正确的。我只想指出,基于残差的测试关键值与通常的ADF测试关键值不同。
(2)如果系列之一是固定的,即,而另一个是它们不能协整,因为协整意味着它们共享共同的随机趋势,并且线性它们之间的关系是固定的,因为随机趋势将抵消,从而产生固定的关系。要查看此考虑两个等式:
我(1 )I(0)I(1)
x1t=μ+β2x2t+ε1t(2)
Δx2t=ε2t(3)
注意,,,,ε2t∼i.i.d.x1t∼I(1)x2t∼I(1)ut=β′xt∼I(0)ε1t∼i.i.d.
首先我们求解方程并得到
(3)
x2t=x0+∑ti=0ε2i
将此解决方案插入方程即可得到:
(2)
x1t=μ+β2{x0+∑ti=0ε2i}+ε1tx1t=μ+β2x0+β2∑ti=0ε2i+ε1t
我们在两个系列中看到了共同的随机趋势。然后,我们可以定义一个协整向量这样:
β=(1−β2)′
ut=β′xt=(1−β2)(μ+β2x0+β2∑ti=0ε2i+ε1tx0+∑ti=0ε2i)
ut=β′xt=μ+β2x0+β2∑ti=0ε2i+ε1t−β2x0−β2∑ti=0ε2i
ut=β′xt=μ+ε1t
我们看到,通过定义正确的协整向量,两个随机趋势会抵消,并且它们之间的关系是固定的()。如果为则通过定义协整关系不会删除的随机趋势。所以是的,您需要两个系列都为!
X 1 吨我(0 )X 2 吨予(1 )ut=β′xt∼I(0)x1tI(0)x2tI(1)
(3)最后一个问题。是,因为可以证明静态回归的OLS估计量(等式)将是超一致的(方差在收敛为零),所以OLS在两个随机序列上均有效。)当两个系列均为以及它们协整时。因此,如果您发现协整并且您的序列为您的估计将是超级一致的。如果找不到协整,则静态回归将不一致。有关进一步的阅读,请参阅Engle和Granger于1987年发表的开创性论文,《协整,纠错:表示,估计和测试》。T - 2 I (1 ) I (1 )(1)T−2I(1)I(1)