《計量經(jīng)濟學（第四版）》教學PPT課件

《計量經(jīng)濟學（第四版）》教學PPT課件,計量經(jīng)濟學（第四版）,計量,經(jīng)濟學,第四,教學,PPT,課件 5.4 5.4 格蘭杰因果關(guān)系檢驗格蘭杰因果關(guān)系檢驗 一、時間序列自回歸模型一、時間序列自回歸模型二、時間序列向量自回歸模型二、時間序列向量自回歸模型三、格蘭杰因果關(guān)系檢驗三、格蘭杰因果關(guān)系檢驗 一、時間序列自回歸模型一、時間序列自回歸模型隨機時間序列模型隨機時間序列模型兩類時間序列模型兩類時間序列模型時間序列結(jié)構(gòu)模型：時間序列結(jié)構(gòu)模型：通過協(xié)整分析，建立反映不同時間通過協(xié)整分析，建立反映不同時間序列之間結(jié)構(gòu)關(guān)系的模型，揭示了不同時間序列在每個序列之間結(jié)構(gòu)關(guān)系的模型，揭示了不同時間序列在每個時點上都存在的結(jié)構(gòu)關(guān)系。時點上都存在的結(jié)構(gòu)關(guān)系。隨機時間序列模型：隨機時間序列模型：揭示時間序列不同時點觀測值之間揭示時間序列不同時點觀測值之間的關(guān)系，也稱為的關(guān)系，也稱為無條件預測模型。無條件預測模型。隨機性時間序列模型包括：隨機性時間序列模型包括：AR(p)AR(p)、MA(q)MA(q)、ARMA(p,q)ARMA(p,q)。隨機性時間序列模型并不屬于現(xiàn)代計量經(jīng)濟學。隨機性時間序列模型并不屬于現(xiàn)代計量經(jīng)濟學。隨機時間序列模型的適用性隨機時間序列模型的適用性用于無條件預測用于無條件預測結(jié)構(gòu)模型用于預測的條件：建立正確的結(jié)構(gòu)模型，給結(jié)構(gòu)模型用于預測的條件：建立正確的結(jié)構(gòu)模型，給定外生變量的預測值。定外生變量的預測值。無條件預測模型的優(yōu)點。無條件預測模型的優(yōu)點。結(jié)構(gòu)模型的簡化形式結(jié)構(gòu)模型的簡化形式結(jié)構(gòu)模型經(jīng)?？梢酝ㄟ^約化和簡化，變換為隨機時間結(jié)構(gòu)模型經(jīng)?？梢酝ㄟ^約化和簡化，變換為隨機時間序列模型。序列模型。時間序列自回歸模型時間序列自回歸模型自回歸模型自回歸模型是指僅用它的過去值及隨機擾動項所是指僅用它的過去值及隨機擾動項所建立起來的模型。其一般形式為建立起來的模型。其一般形式為 1階自回歸模型階自回歸模型AR(1)模型取線性形式模型取線性形式時序變量取時序變量取1階滯后期階滯后期隨機擾動項為白噪聲隨機擾動項為白噪聲 p階自回歸模型階自回歸模型AR(p)模型取線性形式模型取線性形式時序變量取時序變量取p階滯后期階滯后期隨機擾動項為白噪聲隨機擾動項為白噪聲自回歸移動平均模型自回歸移動平均模型ARMA(p,q)模型取線性形式模型取線性形式時序變量取時序變量取p階滯后期階滯后期隨機擾動項為一個隨機擾動項為一個q階的移動平均過程階的移動平均過程AR(pAR(p)模型的平穩(wěn)性條件模型的平穩(wěn)性條件隨隨機機時時間間序序列列模模型型的的平平穩(wěn)穩(wěn)性性，可可通通過過它它所所生生成成的隨機時間序列的平穩(wěn)性來判斷。的隨機時間序列的平穩(wěn)性來判斷。如如果果一一個個p p階階自自回回歸歸模模型型AR(p)AR(p)生生成成的的時時間間序序列列是是平平穩(wěn)穩(wěn)的的，就就說說該該AR(p)AR(p)模模型型是是平平穩(wěn)穩(wěn)的的；否則，就說該否則，就說該AR(p)AR(p)模型是非平穩(wěn)的。模型是非平穩(wěn)的?？紤]考慮p p階自回歸模型階自回歸模型AR(p)AR(p)AR(AR(p p)的特征方程的特征方程 可以證明，如果該特征方程的所有根在單位圓外可以證明，如果該特征方程的所有根在單位圓外（根的模大于（根的模大于1），則），則AR(p)模型是平穩(wěn)的。模型是平穩(wěn)的。容易得到如下平穩(wěn)性條件容易得到如下平穩(wěn)性條件自回歸模型的識別和估計自回歸模型的識別和估計 對于一個平穩(wěn)的隨機時間序列，如何識別它是否遵循對于一個平穩(wěn)的隨機時間序列，如何識別它是否遵循一純一純AR過程，所使用的工具主要是時間序列的自相關(guān)過程，所使用的工具主要是時間序列的自相關(guān)函數(shù)（函數(shù)（autocorrelation function，ACF）及偏自相關(guān)）及偏自相關(guān)函數(shù)（函數(shù)（partial autocorrelation function，PACF）。）。如果經(jīng)識別為一純?nèi)绻?jīng)識別為一純AR過程，可以采用普通最小二乘等過程，可以采用普通最小二乘等方法估計其參數(shù)。方法估計其參數(shù)。二、時間序列向量自回歸模型二、時間序列向量自回歸模型 向量自回歸模型向量自回歸模型將單個時間序列自回歸模型擴展到多個時間序列，將單個時間序列自回歸模型擴展到多個時間序列，即構(gòu)成向量自回歸模型即構(gòu)成向量自回歸模型（Vector Auto-Regression，VAR）。VAR模型的估計模型的估計每個方程可看作獨立的方程，常用的每個方程可看作獨立的方程，常用的OLS法可用于逐法可用于逐一估計每個方程。一估計每個方程。模型最優(yōu)滯后階數(shù)的確定模型最優(yōu)滯后階數(shù)的確定 一方面想使滯后階數(shù)足夠大，以便能充分的利用所構(gòu)造模型的一方面想使滯后階數(shù)足夠大，以便能充分的利用所構(gòu)造模型的變量信息。變量信息。另一方面，滯后階數(shù)不能過大，因為滯后階數(shù)越大需要估計的另一方面，滯后階數(shù)不能過大，因為滯后階數(shù)越大需要估計的參數(shù)也就越多，模型的自由度就減少，而通常數(shù)據(jù)有限，可能參數(shù)也就越多，模型的自由度就減少，而通常數(shù)據(jù)有限，可能不足于估計模型。不足于估計模型。常用準則：常用準則：LR統(tǒng)計量、統(tǒng)計量、AIC、SCVAR的發(fā)展的發(fā)展發(fā)生于發(fā)生于20世紀世紀70年代，以盧卡斯（年代，以盧卡斯（E.Lucas）、薩金）、薩金特（特（J.Sargent）、西姆斯（）、西姆斯（A.Sims）等為代表的對經(jīng)）等為代表的對經(jīng)典計量經(jīng)濟學的批判，其后果之一是導致計量經(jīng)濟學典計量經(jīng)濟學的批判，其后果之一是導致計量經(jīng)濟學模型由經(jīng)濟理論導向轉(zhuǎn)向數(shù)據(jù)關(guān)系導向。模型由經(jīng)濟理論導向轉(zhuǎn)向數(shù)據(jù)關(guān)系導向。西姆斯（西姆斯（1980）等人將）等人將VAR模型引入宏觀經(jīng)濟分析中，模型引入宏觀經(jīng)濟分析中，使之成為現(xiàn)代時間序列分析的主要模型之一。使之成為現(xiàn)代時間序列分析的主要模型之一。VAR的發(fā)展的發(fā)展在經(jīng)濟預測領(lǐng)域，特別是宏觀經(jīng)濟預測領(lǐng)域，經(jīng)典的在經(jīng)濟預測領(lǐng)域，特別是宏觀經(jīng)濟預測領(lǐng)域，經(jīng)典的計量經(jīng)濟學結(jié)構(gòu)模型（包括聯(lián)立方程結(jié)構(gòu)模型）幾乎計量經(jīng)濟學結(jié)構(gòu)模型（包括聯(lián)立方程結(jié)構(gòu)模型）幾乎為向量自回歸模型所替代。為向量自回歸模型所替代。原因在于經(jīng)典的計量經(jīng)濟學結(jié)構(gòu)模型是以理論為導向原因在于經(jīng)典的計量經(jīng)濟學結(jié)構(gòu)模型是以理論為導向而構(gòu)建的，特別是凱恩斯宏觀經(jīng)濟理論，而經(jīng)濟理論而構(gòu)建的，特別是凱恩斯宏觀經(jīng)濟理論，而經(jīng)濟理論并不能為現(xiàn)實的經(jīng)濟活動中變量之間的關(guān)系提供嚴格并不能為現(xiàn)實的經(jīng)濟活動中變量之間的關(guān)系提供嚴格的解釋。的解釋。VAR模型是一種非結(jié)構(gòu)化模型。模型是一種非結(jié)構(gòu)化模型。主要通過實際經(jīng)濟數(shù)據(jù)而非經(jīng)濟理論來確定經(jīng)濟系統(tǒng)主要通過實際經(jīng)濟數(shù)據(jù)而非經(jīng)濟理論來確定經(jīng)濟系統(tǒng)的動態(tài)結(jié)構(gòu)；的動態(tài)結(jié)構(gòu)；在建模過程中只需明確兩個量。一是所含變量個數(shù)在建模過程中只需明確兩個量。一是所含變量個數(shù)k，即需要把哪些變量包括在即需要把哪些變量包括在VAR模型中；一是自回歸的模型中；一是自回歸的最大滯后階數(shù)最大滯后階數(shù)p，使模型能反映出變量間相互影響的關(guān)，使模型能反映出變量間相互影響的關(guān)系并使得模型的隨機誤差項是白噪聲。系并使得模型的隨機誤差項是白噪聲。不存在識別問題和內(nèi)生解釋變量問題，每個方程可看不存在識別問題和內(nèi)生解釋變量問題，每個方程可看作獨立的方程進行估計。作獨立的方程進行估計。VAR模型應用上的局限性模型應用上的局限性首先，首先，VAR類模型主要應用于經(jīng)濟預測，對于經(jīng)濟結(jié)類模型主要應用于經(jīng)濟預測，對于經(jīng)濟結(jié)構(gòu)分析和政策評價等應用領(lǐng)域，它的應用存在方法論構(gòu)分析和政策評價等應用領(lǐng)域，它的應用存在方法論障礙；障礙；其次，即使在經(jīng)濟預測方面，它的應用也是有條件的。其次，即使在經(jīng)濟預測方面，它的應用也是有條件的。關(guān)鍵在于宏觀經(jīng)濟運行中是否存在結(jié)構(gòu)約束。關(guān)鍵在于宏觀經(jīng)濟運行中是否存在結(jié)構(gòu)約束。應用應用VAR模型，更多地是將它作為一個動態(tài)平衡系統(tǒng)，模型，更多地是將它作為一個動態(tài)平衡系統(tǒng)，分析該系統(tǒng)受到某種沖擊時系統(tǒng)中各個變量的動態(tài)變分析該系統(tǒng)受到某種沖擊時系統(tǒng)中各個變量的動態(tài)變化，以及每一個沖擊對內(nèi)生變量變化的貢獻度，即脈化，以及每一個沖擊對內(nèi)生變量變化的貢獻度，即脈沖響應分析和方差分解分析。沖響應分析和方差分解分析。結(jié)構(gòu)向量自回歸模型結(jié)構(gòu)向量自回歸模型 （Structural Vector Auto-Regression，SVAR）西姆斯（西姆斯（1986）以及布蘭查德（）以及布蘭查德（Q.J.Blanchard）和）和匡赫（匡赫（D.Quah）（）（1989）變量之間的當期關(guān)系揭示了變量之間的相互影響，實變量之間的當期關(guān)系揭示了變量之間的相互影響，實際上是對際上是對VAR模型施加了基于經(jīng)濟理論的限制性條件，模型施加了基于經(jīng)濟理論的限制性條件，從而識別變量之間的結(jié)構(gòu)關(guān)系。從而識別變量之間的結(jié)構(gòu)關(guān)系。經(jīng)典聯(lián)立方程模型的識別理論和估計理論完全適用于經(jīng)典聯(lián)立方程模型的識別理論和估計理論完全適用于SVAR模型中每個方程。模型中每個方程。三、格蘭杰因果關(guān)系檢驗三、格蘭杰因果關(guān)系檢驗Granger Test of Causality1 1、格蘭杰因果關(guān)系檢驗的原理、格蘭杰因果關(guān)系檢驗的原理VARVAR模型可以用于變量間關(guān)系的檢驗模型可以用于變量間關(guān)系的檢驗VARVAR模型揭示：某變量的變化受其自身及其他變量過模型揭示：某變量的變化受其自身及其他變量過去行為的影響。去行為的影響。當兩個變量在時間上有先導當兩個變量在時間上有先導滯后關(guān)系時，可以滯后關(guān)系時，可以從統(tǒng)計上考察這種關(guān)系是單向的還是雙向。從統(tǒng)計上考察這種關(guān)系是單向的還是雙向。如果主要是一個變量過去的行為在影響另一個變?nèi)绻饕且粋€變量過去的行為在影響另一個變量的當前行為，存在單向關(guān)系；量的當前行為，存在單向關(guān)系；如果雙方的過去行為在相互影響著對方的當前行如果雙方的過去行為在相互影響著對方的當前行為，存在雙向關(guān)系。為，存在雙向關(guān)系。格蘭杰（格蘭杰（1969）提出，習慣上稱為格蘭杰因果關(guān)）提出，習慣上稱為格蘭杰因果關(guān)系檢驗。系檢驗。2 2、格蘭杰因果關(guān)系檢驗的表述、格蘭杰因果關(guān)系檢驗的表述X對對Y有單向影響：有單向影響：整體不為零，而整體不為零，而整體為零；整體為零；Y對對X有單向影響：有單向影響：整體不為零，而整體不為零，而 整體為零；整體為零；Y與與X間存在雙向影響：間存在雙向影響：和和整體不為零；整體不為零；Y與與X間不存在影響：間不存在影響：和和整體為零。整體為零。格蘭杰檢驗是通過受約束的格蘭杰檢驗是通過受約束的F檢驗檢驗完成的。如完成的。如:如果如果FF(m,n-k)，則拒絕，則拒絕X X不是不是Y Y的的格蘭杰格蘭杰原原因的原假設(shè)。因的原假設(shè)。如果如果FF(m,n-k)，則不拒絕，則不拒絕Y Y不是不是X的格蘭杰的格蘭杰原因的原因的原假設(shè)。原假設(shè)。綜合上述檢驗：綜合上述檢驗：X X是是Y Y的格蘭杰原因。的格蘭杰原因。3 3、例題演示、例題演示檢驗檢驗19812013年我國居民實際消費總支出年增年我國居民實際消費總支出年增長率（長率（GY）和實際可支配收入年增長率（）和實際可支配收入年增長率（GX）時間序列之間的因果關(guān)系。時間序列之間的因果關(guān)系。GY和和GX都是平穩(wěn)序列。都是平穩(wěn)序列。檢驗模型暫取檢驗模型暫取1階滯后階滯后。數(shù)據(jù)數(shù)據(jù)選擇選擇Granger檢驗檢驗選擇檢驗的序列選擇檢驗的序列確定滯后階數(shù)（確定滯后階數(shù)（1階）階）檢驗結(jié)果檢驗結(jié)果由相伴概率知，在10%的顯著性水平下，拒絕“GX不是GY的格蘭杰原因”的假設(shè),不拒絕“GY不是GX的格蘭杰原因”的假設(shè)。因此，從1階滯后的情況看，可支配收入的增長率是居民消費支出增長率的格蘭杰原因。從檢驗模型隨機干擾項1階序列相關(guān)的LM檢驗看，以GY為被解釋變量的模型的LM=0.4516，對應的伴隨概率P=0.5016，表明在10%的顯著性水平下，該檢驗模型不存在序列相關(guān)性；但是，以GX為被解釋變量的模型的LM=0.0580，對應的伴隨概率P=0.8096，表明在10%的顯著性水平下，該檢驗模型也不存在序列相關(guān)性。所以，檢驗模型取1階滯后得到的檢驗結(jié)果是可靠的。4 4、幾個應用中的實際問題、幾個應用中的實際問題 滯后期長度的選擇問題滯后期長度的選擇問題檢驗結(jié)果對于滯后期長度的選擇比較敏感，不同的滯檢驗結(jié)果對于滯后期長度的選擇比較敏感，不同的滯后期可能會得到不同的檢驗結(jié)果。后期可能會得到不同的檢驗結(jié)果。一般而言，需要進行不同滯后期長度下的檢驗，觀察一般而言，需要進行不同滯后期長度下的檢驗，觀察其敏感程度；并且根據(jù)模型中隨機誤差項不存在序列其敏感程度；并且根據(jù)模型中隨機誤差項不存在序列相關(guān)時的滯后期長度來選取滯后期。相關(guān)時的滯后期長度來選取滯后期。例題中不同滯后期的檢驗結(jié)果例題中不同滯后期的檢驗結(jié)果檢驗模型取檢驗模型取2階滯后，結(jié)果與階滯后，結(jié)果與1階滯后相同，但顯著階滯后相同，但顯著性水平下降為性水平下降為20%。檢驗模型取檢驗模型取3階滯后，則既不拒絕階滯后，則既不拒絕“GX不是不是GY的格的格蘭杰原因蘭杰原因”的假設(shè)的假設(shè),也不拒絕也不拒絕“GY不是不是GX的格蘭杰的格蘭杰原因原因”的假設(shè)，則的假設(shè)，則GX與與GY相互獨立。相互獨立。如果檢驗模型取如果檢驗模型取4階滯后，在階滯后，在5%的顯著性水平下，的顯著性水平下，拒絕拒絕“GY不是不是GX的格蘭杰原因的格蘭杰原因”的假設(shè)，但不拒絕的假設(shè)，但不拒絕“GX不是不是GY的格蘭杰原因的格蘭杰原因”的假設(shè)的假設(shè),與檢驗模型取與檢驗模型取1階滯后的結(jié)果完全相反。階滯后的結(jié)果完全相反。對于同階單整的非平穩(wěn)序列：對于同階單整的非平穩(wěn)序列：理論上講不能直接采用。理論上講不能直接采用。經(jīng)過差分以后采用，經(jīng)濟意義發(fā)生變化。經(jīng)過差分以后采用，經(jīng)濟意義發(fā)生變化。模擬試驗表明，當模擬試驗表明，當2個序列逐漸由平穩(wěn)過程向非平穩(wěn)過個序列逐漸由平穩(wěn)過程向非平穩(wěn)過程過渡時，檢驗存在因果關(guān)系的概率出現(xiàn)一定程度的程過渡時，檢驗存在因果關(guān)系的概率出現(xiàn)一定程度的上升。但上升幅度遠小于上升。但上升幅度遠小于2個序列之間因果關(guān)系的顯著個序列之間因果關(guān)系的顯著性增強時所引起的上升幅度。性增強時所引起的上升幅度。同階單整非平穩(wěn)序列的同階單整非平穩(wěn)序列的Granger因果檢驗結(jié)果具有一定因果檢驗結(jié)果具有一定的可靠性。的可靠性。19802013年中國居民實際消費總支出（年中國居民實際消費總支出（Y）和實際可支）和實際可支配收入（配收入（X）時間序列的檢驗：）時間序列的檢驗：經(jīng)檢驗經(jīng)檢驗X和和Y都是都是2階單整序列。階單整序列。對檢驗模型進行序列相關(guān)的對檢驗模型進行序列相關(guān)的LM檢驗發(fā)現(xiàn)，檢驗模型必檢驗發(fā)現(xiàn)，檢驗模型必須取須取4階滯后，才能消除隨機項的序列相關(guān)。階滯后，才能消除隨機項的序列相關(guān)。樣本容量問題樣本容量問題時間序列的樣本容量對檢驗結(jié)果具有影響；時間序列的樣本容量對檢驗結(jié)果具有影響；模擬試驗表明，對于兩個平穩(wěn)序列，隨著樣本容量的模擬試驗表明，對于兩個平穩(wěn)序列，隨著樣本容量的增大，判斷出存在格蘭杰因果關(guān)系的概率顯著增大。增大，判斷出存在格蘭杰因果關(guān)系的概率顯著增大。例題樣本期減少例題樣本期減少10年，比較檢驗結(jié)果可以看到，拒絕年，比較檢驗結(jié)果可以看到，拒絕“GX不是不是GY的格蘭杰原因的格蘭杰原因”的顯著性明顯降低。的顯著性明顯降低。Granger因果檢驗是必要條件，不是充分條件。因果檢驗是必要條件，不是充分條件。經(jīng)濟行為上存在因果關(guān)系的時間序列，應該能夠通過經(jīng)濟行為上存在因果關(guān)系的時間序列，應該能夠通過格蘭杰因果關(guān)系檢驗；格蘭杰因果關(guān)系檢驗；而在統(tǒng)計上通過格蘭杰因果關(guān)系檢驗的時間序列，在而在統(tǒng)計上通過格蘭杰因果關(guān)系檢驗的時間序列，在經(jīng)濟行為上并不一定存在因果關(guān)系。經(jīng)濟行為上并不一定存在因果關(guān)系。模擬試驗表明，經(jīng)濟行為上不存在因果關(guān)系的平穩(wěn)時模擬試驗表明，經(jīng)濟行為上不存在因果關(guān)系的平穩(wěn)時間序列之間也可能存在著統(tǒng)計上的因果關(guān)系。間序列之間也可能存在著統(tǒng)計上的因果關(guān)系。格蘭杰因果關(guān)系是統(tǒng)計意義上的，而不是經(jīng)濟意義上格蘭杰因果關(guān)系是統(tǒng)計意義上的，而不是經(jīng)濟意義上的。的。