格兰杰因果关系检验.ppt

5.4格兰杰因果关系检验如果随机扰动项εt是一个白噪声序列，则称上式为一个纯AR(p)过程，记为：式(5.4.5)表明，一个随机时间序列可以通过一个自回归移动平均过程生成，即该序列可以由其自身的过去或滞后值以及随机扰动项来解释。如果该序列是平稳的，即它的行为不会随着时间的推移而变化，那么就可以通过该序列过去的行为来预测它的未来。2、AR(p)模型的平稳性条件如果一个p阶自回归模型AR(p)生成的时间序列是平稳的，则该p阶自回归模型AR(p)是平稳的。反之，则不是平稳的。在p阶自回归模型(5.4.3)中引入滞后算子L：则(5.4.3)式变换为：记，则称多项式方程：为AR(p)的特征方程。如果该方程的所有根在单位圆外/根的模大于1，则AR(p)模型是平稳的。二、时间序列向量自回归模型含有k个时间序列、p期滞后的向量自回归模型VAR(p)可以表示为：Yt是k维内生变量向量，p是滞后阶数，样本数目为T。其中，向量自回归模型在建模过程中只需要明确两个量：一个是所含变量的个数k，即共有哪些变量是相互有关系的，并且需要把这些变量包括在模型中；一个是自回归的最大滞后阶数p，通过选择合理的p来使模型能反映出变量间相互影响的关系并使得模型的随机误差项是白噪声。结构向量自回归模型(SVAR)结构向量自回归模型中包含了变量间的当期关系。变量间的当期关系揭示了变量之间的相互影响，实质上是对向量自回归模型施加了基于经济理论分析的限制性条件，从而识别变量之间的结构关系。结构向量自回归模型每个方程左边是内生变量，右边是自身的滞后和其他内生变量的当期和滞后。含有k个变量的结构向量自回归模型SVAR(p)表示如下：向量自回归模型是一种基于数据关系导向的非结构化模型，它主要通过实际经济数据而非经济理论来确定经济系统的动态结构，建模时无需提出先验理论假设。考察X是否影响变量Y的问题，主要看当期的Y能够在多大程度上被过去的X所解释，在Yt方程中加入X的滞后值是否使解释程度显著提高。如果X有助于Y预测效果的提高，就可以认为X是Y的格兰杰原因。对于两变量Y和X，格兰杰因果关系检验要求估计以下回归模型：可能存在以下四种检验结果：（1）X对Y有单向影响，表现为(5.4.7)式中X各滞后项前的参数整体不为零，而(5.4.8)式中Y各滞后项前的参数整体为零。（2）Y对X有单向影响，表现为(5.4.7)式中Y各滞后项前的参数整体不为零，而(5.4.8)式中X各滞后项前的参数整体为零。（3）X与Y间存在双向影响，表现为(5.4.7)式中X各滞后项前的参数整体不为零，同时5.4.8)式中Y各滞后项前的参数整体也不为零。（4）X与Y间不存在双向影响，表现为(5.4.7)式中X各滞后项前的参数整体为零，同时5.4.8)式中Y各滞后项前的参数整体也为零。格兰杰因果关系检验是通过受约束的F检验完成的。以X不是Y的格兰杰原因这一假设为例，即假设(5.4.7)式中X各滞后项前的参数整体为零，分别做包含与不包含X各滞后项的回归，记前者残差平方和为RSSU，后者残差平方和为RSSR，再计算F统计量：式中，m为X的滞后项的个数，n为样本容量，k为包含可能存在的常数项及其他变量在内的无约束回归模型的待估参数的个数。⑵时间序列的平稳性问题理论上格兰杰因果关系检验是针对平稳时间序列的，但实践上也适用于同阶单整非平稳时间序列。⑶样本容量问题对于两个平稳序列而言，随着样本容量的增大，判断出存在格兰杰因果关系的概率显著增大。为了提高检验结果的可靠性，应尽可能使用较大的样本。⑷格兰杰因果关系检验是必要性条件检验，而不是充分性条件检验格兰杰因果关系检验是统计意义上的，而不是经济意义上的。在统计意义上通过了格兰杰因果关系检验的时间序列，在经济行为上并不一定具有因果关系。所以，格兰杰因果关系检验必须建立在经济理论分析的基础之上。例5.4.2根据表5.1.1中1980-2013年中国居民消费总支出(Y)和实际可支配收入(X)的时间序列数据，计算1981-2013年中国实际总消费增长率(GY)和实际可支配收入增长率(GX)，并进行格兰杰因果关系检验，以检验消费推动了经济增长的理论假说。2023/5/242023/5/24D.W.=1.72表明，随机干扰项不存在序列相关，所以格兰杰因果关系检验中选择滞后期为1是正确的。如果是要检验消费支出对可支配收入的影响(注意：这里所依据的理论与前面研究可支配收入对消费的影响的理论不同)，则应选择的滞后期应该为4!样本大小对检验结果的影响例5.4.3根据表5.1.1中1980-2013年中国居民实际总消费支出和实际可支配收入数据进行格兰杰因果关系检验，验证“消费拉动经济增长，经济增长增加居民可支配收入，居民可支配收入增加推动消费增长”的理论观点。滞后1期LM检验滞后2期LM检验滞后3期LM检验