使用Engle–Granger两步法测试两个时间序列之间的协整


13

我正在尝试测试两个时间序列之间的协整关系。这两个系列的每周数据跨度约为3年。

我正在尝试做Engle-Granger两步法。我的操作顺序如下。

  1. 通过增强Dickey-Fuller测试每个时间序列的单位根。
  2. 假设两者都有单位根,则通过OLS找到关系的线性近似。然后创建一系列残差。
  3. 通过增强Dickey-Fuller测试单位根的残差。
  4. 根据3的结果得出(或不)协整。

问题:

  1. 这种方法看起来还好吗?(我是一名本科生,我希望以一种合法的方式来分析我的数据,而不必以最严格的已知方法来对其进行分析。)
  2. 如果在第1步中一个序列不能用ADF拒绝零假设(因此没有单位根),是否可以合理地得出结论,因为一个数据集是非平稳的,所以两个序列未进行协整?我不这么认为,但我想确定。
  3. 两个数据集看起来都是“随机的”,所以我想知道使用OLS来测量关系以获得残差是否合适。

根据普利斯肯的回答,我相信您在第二个问题中有错。如果您拒绝ADF的零假设(“残差中没有单位根” =“序列之间没有协整”),那么您将拒绝不存在协整的假设。因此,您实际上得出结论是存在协整。
Tanguy

我建议您只使用Dickey Fuller分配表,而不要增加一个,因为这只是区分AR(1)和单位根而不是AR(p)(p大于1
Song

Answers:


12

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 1 μ β 2x1tx2tI(1)μβ2

x1t=μ+β2x2t+ut(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 I1 x1tx2tI(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: 1 I(0)I(1)

x1t=μ+β2x2t+ε1t(2)

Δx2t=ε2t(3)

注意,,,,ε2ti.i.d.x1tI(1)x2tI(1)ut=βxtI(0)ε1ti.i.d.

首先我们求解方程并得到 (3)

x2t=x0+i=0tε2i

将此解决方案插入方程即可得到: (2)

x1t=μ+β2{x0+i=0tε2i}+ε1tx1t=μ+β2x0+β2i=0tε2i+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=(1β2)

ut=βxt=(1β2)(μ+β2x0+β2i=0tε2i+ε1tx0+i=0tε2i)

ut=βxt=μ+β2x0+β2i=0tε2i+ε1tβ2x0β2i=0tε2i

ut=βxt=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 0 X 2 1 ut=βxtI(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)T2I(1)I(1)

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.