Answers:
创建这些概念是为了处理非平稳序列之间的回归(例如相关性)。
克莱夫·格兰杰(Clive Granger)是您应该阅读的主要作者。
分两步介绍了协整:
1 / Granger,C.和P. Newbold(1974):“计量经济学的虚假回归”,
在本文中,作者指出,非平稳变量之间的回归应作为变量变化(或对数变化)之间的回归进行。否则,您可能会发现没有任何实际意义的高度相关性。(=虚假回归)
2 / Engle,Robert F.,Granger,Clive WJ(1987)“协整和纠错:表示,估计和测试”,《计量经济学》,55(2),251-276。
在本文中(格兰杰为此在2003年获得了诺贝尔陪审团的嘉奖),作者走得更远,并介绍了协整方法,以研究可存在于两个非平稳变量之间的错误校正模型。
基本上,1974年关于回归时间序列变化的建议可能会导致未指定的回归模型。实际上,您可以拥有变量的更改不相关但通过“纠错模型”连接的变量。
因此,您可以在不进行协整的情况下进行关联,也可以在不进行协整的情况下进行协整。两者是互补的。
如果只有一篇文章可供阅读,我建议您从这篇文章开始,这是一个很好的介绍。
让我们从虚假回归开始。想象一下两个由主要时间趋势驱动的系列:例如美国人口和美国的消费量(无论您考虑什么项目,无论是苏打水,甘草还是天然气)。由于共同的时间趋势,两个系列都将增长。现在将总消耗量回归总人口规模和总储量,您非常适合。(我们也可以在R中快速进行模拟。)
但这没有任何意义。没有关系(正如我们建模者所知道的),但是线性模型认为是合适的(在最小平方和的意义上),因为这两个系列都在没有因果关系的情况下都呈上升趋势。我们成为虚假回归的受害者。
可以或应该建模的是一个系列的变化,另一个系列的变化,或者人均消费的变化,或者……所有这些变化使变量保持平稳,这有助于缓解问题。
现在,在30,000英尺的高度,单位根和协整度通过提供严格的统计基础(Econometrica出版物和Nobel并不容易获得)来如果没有)。
至于资源充足的问题:这很棘手。我已经读了几十本时间序列书,其中大多数精通数学,但直觉却落伍了。时间序列没有肯尼迪的计量经济学文本。也许Walter Enders文字最接近。我会尝试考虑更多并在此处进行更新。
除了书籍以外,实际执行此操作的软件很重要,R具有您所需要的。价格也是正确的。
如果序列是非平稳的,则称其具有单位根。例如,当您将两个非平稳过程集成为阶1(I(1)系列)时,您会发现这些过程的线性组合为I(0),那么您的序列将被协整。这意味着它们以某种相似的方式进化。这个频道对时间序列,协整等都有很好的见解,因此https://www.youtube.com/watch?v=vvTKjm94Ars 至于书籍,我非常喜欢Davidson&MacKinnon的“计量经济学理论与方法”。