計量經(jīng)濟學(xué)重點筆記第九講

1、精品文檔第九講單位根、協(xié)整與誤差修正模型一、單位根過程的定義如果的數(shù)據(jù)生成過程是：yt=yt1+,、是平穩(wěn)過程則yj的數(shù)據(jù)生成過程被稱為單位根過程。我們還可以在上述模型基礎(chǔ)上增加截距項（所謂的漂移項）或者時間趨勢項，如：yt。乂一1ty10Y乂_1t上述過程都屬于單位根過程。筆記：按照附加預(yù)期的菲利普斯曲線理論：通脹率=預(yù)期的通脹率-a（失業(yè)率-自然失業(yè)率）+供給沖擊。失業(yè)率與自然失業(yè)率的差異（即周期性失業(yè)率）與供給沖擊一般是平穩(wěn)的。假定人們采取靜態(tài)預(yù)期，即預(yù)期通脹率等于過去一年的實際通脹率，則通脹率=過去一年的通脹率+平穩(wěn)性變量，故基于一些假定我們可以從理論上表明通脹率是一個單位根過程。單位

2、根過程的一個特例是隨機游走：yt=yt_1+,其中.是白噪聲過程同樣，我們可以在上述模型基礎(chǔ)上再增加截距項或者時間趨勢項單位根過程是非平穩(wěn)過程。以隨機游走模型為例，注意到乂=y1十1=Yt-2+t-i+st=.=y0+、，故有:i=1E(yt)=y0、Var(yt)=t”。顯然,隨著時間的延伸方差趨于無窮大，因此隨機游走屬于非平穩(wěn)過程。圖一是對一個隨機游走過程的模擬。圖一:yt=ytt,；tUnid（o,i）筆記:1、有效市場理論認為股票價格應(yīng)當(dāng)是一個隨機游走過程。在隨機游走模型中，,是白噪聲過程，Cov(%，、+j)=0,j=0,因此有效市場理論的含義也即是股票價格變動(pt-pt_1=)是

3、不可預(yù)測的。按照有效市場理論，股票價格能夠及時吸納消息，因此，如果下一時刻價格與現(xiàn)在價格確實存在差異，那么導(dǎo)致這個價格差異的消息就現(xiàn)在時刻來說是無法預(yù)測的，否則，現(xiàn)在價格將馬上變動從而使價格差異消失。2、在財富(預(yù)期未來現(xiàn)金流的貼現(xiàn))給定的情況下，最優(yōu)的消費計劃是現(xiàn)在消費與下一期消費相等(餓一等飽一等顯然不是最優(yōu))。如果下一期消費與現(xiàn)在的消費確實存在差異，那么導(dǎo)致這個差異的原因(也許是飛來橫財)在現(xiàn)在肯定是不知道的,否則現(xiàn)在的消費將作出調(diào)整，弁做到現(xiàn)在消費與下一期消費相等。按照上述邏輯，消費將是一個隨機游走過程。以上是Hall(1978)的消費隨機游走理論。二、帶漂移的單位根過程與趨勢平穩(wěn)過程

4、：一個比較帶漂移的單位根過程是指：比=口+*_1+匕，其中,一一tq、.是平穩(wěn)過程。反復(fù)迭代有：yt=y0-t+)。在這id個表達中，H被稱為確定性趨勢項，而、被稱為隨i4機趨勢項。圖二是對一個帶漂移的隨機游走過程的模擬。圖二：yt=0.1ytt,tLnid（o,i）所謂趨勢平穩(wěn)過程是指：yt=鼠+叮+pyt_1+,|p|1,.是平穩(wěn)過程由上式有：(乂)=h+%+PE(yt_1),令E(yt)=。+。it,則有：二0.二it=10.it:二0.二1。-1)=-0:二01)(1:二i)t精品文檔因此有:當(dāng)Pi#0時，E(yt)=00+Jt隨時間的變化而變化，因此過程是不平穩(wěn)的。然而，yt = 0

5、1t : yt_1 tE(yt)0 Y 、E(yt=yt-E(yt)=: yt-1-E(yt-1) t令yt-E(yt)=zt,由于|p|D.W.”。三、單位根檢驗（一）根據(jù)圖形判斷如果樣本數(shù)據(jù)表現(xiàn)出持久偏離均值的態(tài)勢，則初步判斷數(shù)據(jù)生成過程是單位根過程。如果樣本數(shù)據(jù)表現(xiàn)出均值回復(fù)的態(tài)勢，則初步判斷數(shù)據(jù)生成過程是平穩(wěn)過程或者趨勢平穩(wěn)過程。對于非平穩(wěn)過程，其樣本一階自相關(guān)函數(shù)接近于1,然后樣本自相函數(shù)隨著階數(shù)的增加而緩慢衰減。應(yīng)該注意，這樣的非平穩(wěn)過程包括趨勢平穩(wěn)過程與單位根過程。（二）DF與ADF檢驗考慮一個AR（1）過程：yt=pyt_1+,是白噪聲過程模型可以被改寫為：、二%一1t其中九=

6、p-1。單位根檢驗等價于檢驗九是否為零。該檢驗是一個單尾檢驗，我們不考慮P1的情況，因為該情況意味著數(shù)據(jù)生成過程是爆炸的。建立假設(shè)體系：H0：=0G=1）Hi：0（=：1）與往常一樣，我們利用t統(tǒng)計量來進行檢驗。然而，在原假設(shè)下，此時的t統(tǒng)計量并不服從t分布，而是服從DF分布，為了強調(diào)這一點，我們可以把這里的t統(tǒng)計量改稱為E統(tǒng)計量。如果計算出的7值小于臨界值（臨界值是一個負數(shù))，則在某個顯著水平下拒絕原假設(shè)，反之則不拒絕原假設(shè)。上述檢驗被稱為DF檢驗。應(yīng)該注意到，我們初始所考慮的是一個AR(1)過程?，F(xiàn)在我們考慮一個AR(2)過程：yt=%yt_1+*2yt_2+t,、是白噪聲過程如果你閱讀過

7、第八講附錄，你將知道，當(dāng)駕+與=1時上述過程含有一個單位根，而外+32/T,因此，SIC準(zhǔn)則比AIC準(zhǔn)則更加重視自由度不足問題，于是根據(jù)SIC準(zhǔn)則一般會得到更加簡約的模型。HQIC準(zhǔn)則對自由度不足問題的重視程度介于SIC與AIC之間。上述幾個信息準(zhǔn)則不僅應(yīng)用于單位根檢驗?zāi)Ｐ偷脑O(shè)定，也廣泛應(yīng)用于AR(p)、MA(p)、ARMA(p,q)等模型設(shè)定。實踐中ADF檢驗一般具有如下三種檢驗?zāi)Ｐ驮O(shè)定。模型的選擇是十分重要的，不當(dāng)?shù)倪x擇將導(dǎo)致檢驗結(jié)論不可靠。pModell:yt=yt_1yt-ivtt1idpModel2:yt=ayt_1yt_iM.pModel3:ytatyt_1、yt_ivtid問題是

8、，在實踐中我們到底應(yīng)該選擇哪一個檢驗?zāi)Ｐ湍?？?guī)則一：當(dāng)數(shù)據(jù)表現(xiàn)出較明顯的確定性時間趨勢時，選擇模型3。模型3可以涵蓋兩種情況：第一情況是，當(dāng)，一0時，這是一個趨勢平穩(wěn)過程模型，其樣本數(shù)據(jù)展現(xiàn)出確定性的趨勢；第二種情況是，當(dāng)=0時，這是單位根過程模型。由于漂移項a的存在，樣本數(shù)據(jù)也將展現(xiàn)出確定性的時間趨勢(通過反復(fù)迭代，你會發(fā)現(xiàn)，漂移項將成為變量t的系數(shù))。筆記：1、當(dāng)兒=0時，由于肌的存在，變量y將出現(xiàn)二次趨勢，除非P=0。一般認為，經(jīng)濟變量具有二次趨勢是不可能的，因此，九=0隱含著P=0的假設(shè)。故我們可以利用F統(tǒng)計量來檢驗原假設(shè)：九=P=0,不過此時的F統(tǒng)計量弁不服從標(biāo)準(zhǔn)的F分布,參見更高級

9、的教科書。2、換一個角度考慮問題?？紤]如下一個過程：ytT_42t=Pyt_1-11-*2(t-1)十，,是白噪聲過程當(dāng)|p|i時上述過程是一個趨勢平穩(wěn)過程。上述過程的一個變形是：&yt=(-i)yt_1+4+*2t-p4-P*2(t-1)+、，即有：,yt=(i；i：2)-2(?i)t(i)yt.1t注意到當(dāng)p=i時隱含著(1-p*l+p*2)=*2；*2(P-A。規(guī)則二：當(dāng)數(shù)據(jù)沒有表現(xiàn)出明顯的確定性時間趨勢時，選擇模型2。模型2可以涵蓋兩種情況：第一情況是：當(dāng)九,0時，這是一個平穩(wěn)過程模型。第二種情況是：當(dāng)o=Q時，這是一個單位根過程模型。筆記1、當(dāng)九=0時，由于a的存在，變量y將出現(xiàn)確定

10、性趨勢，除非a=0。故我們可以利用F統(tǒng)計量來檢驗原假設(shè)：a=0=O,同樣此時的F統(tǒng)計量弁不服從標(biāo)準(zhǔn)的F分布。2、換一個角度考慮問題?？紤]如下一個過程：ytT=(yt_1-4)+,、是白噪聲過程當(dāng)IpIi時上述過程是一個期望值為匕的平穩(wěn)過程。上述過程的一個變形是：yt=(：；),(：-i)yt_1.；t注意到當(dāng)P=1時隱含著匕-P%=0。規(guī)則三：模型1基本上不用來作為檢驗?zāi)Ｐ?。這是因為當(dāng)#0時，模型表示一個期望值為零的平穩(wěn)過程，而經(jīng)濟變量的期望值很少會為零！筆記：如果無法明確判斷樣本數(shù)據(jù)是否具有明顯的確定性時間趨勢，我們可以采用一種序貫檢驗法，參見較高級的教科書，如WalterEnders(20

11、04)。ADF檢驗是最流行的單位根檢驗方法，然而，該方法具有較低的檢驗勢，即很容易不拒絕錯誤的原假設(shè)。很多其他的單位根檢驗方法，例如DF-GLS法等方法(Stock&Watson(SecondEdition,p.650-653),被認為與ADF檢驗相比具有更高的檢驗勢.當(dāng)九為零的原假設(shè)不被拒絕時，我們應(yīng)該意識到，這或許是因為變量y只含有一個單位根的結(jié)果，這也可能是變量含有兩個或者兩個以上單位根的結(jié)果。因此，為了檢驗變量是否只含有一個單位根，我們應(yīng)該繼續(xù)對差分變量進行單位根檢驗。如果差分變量是平穩(wěn)的，那么我們認為變量只含有一個單位根。四、協(xié)整的定義與經(jīng)濟學(xué)含義假設(shè)時間序列x1t,x2t,.,xk

12、t都屬于d階單整序列I(d),即各時間序列在差分d次后將不再含有單位根。如果一非零的常數(shù)向量(“色，,aj使得:斗x2takxktDI(d-b),0b-d則稱,%,.%1之間存在階數(shù)為(d,b)的協(xié)整關(guān)系，ai是協(xié)整參數(shù)。經(jīng)濟變量的單整階數(shù)往往不會超過2。在實踐中經(jīng)常出現(xiàn)的情況是，x1t,x2t，,xkt都是一階單整的，因此，如果。為，,xkt協(xié)整，則：a1x1ta2x2t.akxkt口1(0)當(dāng)一些變量都含有單位根時，除非有一種機制把這些變量聯(lián)系在一起，否則這些變量會不受約束地各自漫游。問題是存在這種機制嗎？經(jīng)濟學(xué)理論經(jīng)常表明變量間存在某種長期均衡關(guān)系。如果情況確實如止匕，那么各變量對這種長

13、期均衡關(guān)系的偏離就不會持久。變量間所具有的長期均衡關(guān)系就是變量間的協(xié)整關(guān)系。例一：期貨價格是對未來現(xiàn)貨價格的預(yù)期。在理性預(yù)期假設(shè)下，期貨價格不會系統(tǒng)性地偏離未來現(xiàn)貨價格，因此，期貨價格與未來現(xiàn)貨價格是協(xié)整的。例二：購買力平價理論認為，本國物價p與外國物價p*之比決定了名義匯率的均衡值。名義匯率不應(yīng)該長期偏離其均衡值，因此，e與p/p*是協(xié)整的。例三：按照定義，名義利率=實際利率+預(yù)期通脹率。按照理性預(yù)期均衡的定義，在長期均衡狀態(tài)下，預(yù)期通脹率等于均衡通脹率；按照費雪假設(shè)(Fisherhypothesis),均衡實際利率為自然利率。假定自然利率是常數(shù)，則名義利率與通脹率的長期均衡關(guān)系是名義利率=

14、常數(shù)+通脹率。因此，名義利率與通脹率是協(xié)整的。五、協(xié)整檢驗(一)協(xié)整參數(shù)已知例如，如果k山(1),yl(1),現(xiàn)在假設(shè)兩變量協(xié)整，且協(xié)整參數(shù)為。為了檢驗上述假設(shè)，可以對y。x進行單位根檢驗。如果拒絕小-xK具有單位根的原假設(shè)，則不拒絕yt與人具有協(xié)整關(guān)系的原假設(shè)。（二）協(xié)整參數(shù)未知：EG兩步法經(jīng)常的情況是協(xié)整參數(shù)未知，例如在上例中日未知。按照Engle&Granger（1987提出的EG兩步法，我們首先利用OLS法估計模型yt=。+B%并得到殘差？；接下來對殘差序列進行單位根檢驗：p?=?.i?ti1應(yīng)該注意到，由于殘差均值為零，因此對殘差序列進行單位根檢驗時我們并沒有加入截距項。在進行上述檢

15、驗時特別值得注意的是，由于我們利用彳來近似空（誤差項觀測不到），故單位根檢驗所用的臨界值表不同于通常的單位根檢驗臨界值。事實上,此時的臨界值還取決于第一步回歸方程的形式。Hamilton(1994,p.766)給出了臨界值表:EG兩步法臨界值表回歸模型1%5%10%(1)yt=Bx+-3.39-2.76-2.45Vt=3+3%-3.96-3.37-3.07(3)乂=+九t+日K+-3.98-3.42-3.13問題是我們在第一步如何選擇回歸模型呢？一般的準(zhǔn)則是，如果各變量并沒有表現(xiàn)出明顯的確定性趨勢，則選擇回歸模型(2);如果有變量表現(xiàn)出明顯的確定性趨勢，則選擇回歸模型(3);一般不選擇模型(1

16、)。筆記：在EG兩步法之前，我們必須首先確認xyt都是一階單整的。如果x、yt表現(xiàn)出明顯的確定性趨勢，則表明x、yt的數(shù)據(jù)生成過程都是帶漂移的單位根過程。假定兩變量所對應(yīng)的漂移參數(shù)分別是九、%,則通過反復(fù)迭代有:xt=x0+%t+ht;yt=y0+%2t+gt,其中如、%/都是不帶漂移的一階單整過程。注意到：乂一：為二y0,t,gt-(x0,it1)=(y0-：)r2P*i)t(gt-一：1)協(xié)整的嚴(yán)格定義要求(yt-Pxt)是無趨勢的1(0)過程。協(xié)整參數(shù)P將使得(gt-PhJ是無趨勢的1(0)過程，但與此同時，(及2-P九1)弁不一定是零。因此，我們不得不對協(xié)整的定義加以擴展：(yt-Px

17、t)是可以包含趨勢的1(0)過程，即(乂/歿)要么平穩(wěn)要么趨勢平穩(wěn)。注意到：yt=(y0-x0)(2-i)t-xt(gt一f)令y0-P%=叱/-除MgTht=料,即有回歸模型：yt=txtt前面的例子是兩變量情形，如果涉及到多變量，我們?nèi)匀豢梢岳肊G兩步法，但要參照不同的臨界值表，可參見Stock&Watson(SecondEdition,p659-651)。然而在多變量情形下一個問題是，可能存在多個協(xié)整關(guān)系，但EG兩步法并沒有考慮到這一點，因此，利用EG兩步法檢驗多變量協(xié)整檢驗是有缺陷的，而此時標(biāo)準(zhǔn)的檢驗方法是Johansen(1995)法，可參見較高級的教科書。筆記：如果有m個1(1)

18、變量，那么最多可能有m-1個獨立的協(xié)整關(guān)系。為了理解這一點，我們假設(shè)m個1(1)變量有m個獨立的協(xié)整關(guān)系，則這m個1(1)變量必定分別可以表示成m個平穩(wěn)誤差項的線性函數(shù)。顯然m個平穩(wěn)誤差項的線性函數(shù)是平穩(wěn)的，而這將使m個變量都是1(1)變量的前提條件不成立。六、協(xié)整參數(shù)估計與推斷對于兩變量情形，當(dāng)變量間具有協(xié)整關(guān)系時，建立模型：yt=a+BX+%并利用OLS法進行估計獲得協(xié)整參數(shù)估計應(yīng)。酎隨著樣本容量的增加會以較快的速度收斂于P,此即所謂的田估計量的超一致性。筆記(參見Murray(2006,p.275-277):tLi(0)因此、具有均值回復(fù)性。與之相比，由于xtLi(1),因此Xt弁沒有均

19、值回復(fù)性。考慮兩變量的樣本相關(guān)系數(shù)，則必有:plim人C0v區(qū)4)=0,即兩者漸進無關(guān)。應(yīng)該注意到，n.，:Var(Xt)Var(t)plim qVar(xt)是無限的，而 n_.,：plimVar(t是有限的。因此，由于Cov(xt, t) plim., 上n - Var(xt) Var g )n_.：n：Var(x)Var(x)注意到plim8)Vplim,C-都等于零,然而n：二Var(xt)Var(xt)n:二Var(xt)Var(xt)在前式中plimjVar(x)是無限的,而在后式中plim7Var(x；)是有限nin：的，因此，ICovWJ_.收斂于零的速度要快于,CovJ.J收

20、Var(xt)Var(xt)Var(xJVar(xJ斂于零的速度?？偨Y(jié)：當(dāng)誤差項是1(0)過程而解釋變量是1(1)過程時，與解釋變量相聯(lián)系的系數(shù)的OLS估計量具有超一致性。問題是，獲得的僅僅是一方面，我們還需要對P?進行假設(shè)檢驗。然而，棘手之處在于，管的分布是非標(biāo)準(zhǔn)的。因此，通常的t檢驗在這里是不適用的。我們能不能既獲得協(xié)整向量的估計同時又能夠利用通常的t檢驗或者F檢驗？回答是肯定的。按照動態(tài)OLS(DOLS)法，我們可以對模型：pytxtjxt-jutj-p進行OLS估計。我們不但獲得,而且此時對任意系數(shù)參數(shù)的假設(shè)檢驗都可以利用t檢驗或者F檢驗。關(guān)于p值的選擇，標(biāo)準(zhǔn)的實踐是p=2。關(guān)于DOL

21、S參見Stock&Watson(SecondEdition,p660)。關(guān)于多變量協(xié)整系數(shù)的估計與推斷，標(biāo)準(zhǔn)的方法是Johansen(1995)法，可參見較高級的教科書。七、誤差修正模型(一)一個故事一個喝醉了酒的女孩從酒吧出來隨意行走。女孩的男朋友一直在她身邊照顧她。因此，如果單獨觀察男孩子的行走路線，我們將發(fā)現(xiàn)他也是在隨意行走。然而，男孩與女孩各自的行走路線顯然具有穩(wěn)定的關(guān)系。男孩喜歡抽煙，但不幸的是他沒有打火機。因此，在行走過程中，男孩不時離開女孩去向其他人借打火機。不過在點好香煙后，男孩會跟上女孩。(二)Granger表示定理：當(dāng)變量間存在協(xié)整關(guān)系，必存在誤差修正機制?；氐絼偛诺墓适?。

22、女孩的位移與男孩的位移都是隨機游走過程，但兩者存在協(xié)整關(guān)系。當(dāng)男孩的位移偏離了女孩的位移，則均衡誤差出現(xiàn)了，接下來男孩的位移將作出調(diào)整，試圖繼續(xù)維持均衡關(guān)系。應(yīng)該注意到，當(dāng)均衡誤差出現(xiàn)時，女孩由于喝醉了，她不會作出調(diào)整，作出調(diào)整的是男孩；然而，如果女孩半醉半醒，她或許也將作出調(diào)整。但無論如何，總是存在一種調(diào)整機制。（三）誤差修正模型（ECM）以兩變量為例。假設(shè)小乂都是一階單整的，但兩者具有協(xié)整關(guān)系：y=9x。根據(jù)Granger表示定理,此時應(yīng)該存在誤差修正模型：wiWi-WitXt=zHl-ixt2t其中、力為白噪聲。思考題：（1）匕、2被稱為調(diào)整速度。匕與，會同時為零嗎？（2）當(dāng)不為零時，其

23、符號是正還是負？當(dāng)%2不為零時，其符號是正還是負？（提示：九2的符號依賴于H的符號）筆記:1、當(dāng)=0,九2=0時，則稱yt是弱外生變量。2、盡管誤差修正模型表現(xiàn)為聯(lián)立方程形式，但我們可以對每一個方程分別進行OLS估計。由于(yt-日)平穩(wěn)，故針對彳可以利用通常的t檢驗。3、如果,t、名2t弁不是白噪聲，那么可以引入眾多ytT、項，以使新的誤差項是白噪聲。4、如果有變量表現(xiàn)出明顯的確定性趨勢，則在模型中增加截距項。5、當(dāng)協(xié)整參數(shù)日未知時，對ECM的估計可以采用兩步法：首先利用OLS估計獲得協(xié)整參數(shù)的超一致估計匕然后用四弋替9,對ECM進行估計。在多變量情況下，由于可能存在多個獨立的協(xié)整關(guān)系，則E

24、CM中將存在多個誤差修正項。對這種情形，Johansen(1995)l出了基于極大似然估計法的系統(tǒng)估計方法。筆記：擴展上面的故事。假定女孩還養(yǎng)了一只狗，在女孩行走過程中，這只狗不時受到氣味的誘惑而離開主人，但它馬上又會跑到主人身邊。男孩非常討厭這只狗，如果他看見這只狗離自己太近，他甚至踢它一腳。從理論上看，現(xiàn)在存在兩個獨立的協(xié)整關(guān)系：男孩位移與女孩位移的協(xié)整關(guān)系（A）；狗的位移與女孩位移的協(xié)整關(guān)系（B）。不過表面看來，似乎存在四個協(xié)整關(guān)系，即上面的兩個協(xié)整關(guān)系再加上三者位移的協(xié)整關(guān)系（C）和狗的位移與男孩位移的協(xié)整關(guān)系（D）,但事實上C不是獨立于A和B的，而D是虛假的。由此可以看出多變量協(xié)整檢

25、驗的復(fù)雜性。例如，基于EG兩步法針對上例進行三變量協(xié)整檢驗，我們將得到結(jié)果C，但我們知道C并未反映事情的本質(zhì)。要得到結(jié)果A與B，同時又需要拒絕結(jié)果D，此時利用三變量ECM模型來進行協(xié)整檢驗是一個好辦法。顯然，如果男孩與狗都不對基于協(xié)整關(guān)系D所產(chǎn)生的均衡誤差作出調(diào)整，那么我們將拒絕結(jié)果D。八、補充知識點：Granger因果關(guān)系檢驗（一）定義與檢驗方法在預(yù)測Yt時，如果利用Xt的過去值與Yt的過去值比僅僅利用Yt的過去值能取得更好的預(yù)測效果，那么稱Xt為Yt的格蘭杰原因。注意，格蘭杰因果關(guān)系是預(yù)測意義上的。筆記：1、我們先觀察到A,接著才觀察到B,則可以初步認為A是B的格蘭杰原因。格蘭杰因果關(guān)系與

26、邏輯上的因果關(guān)系是兩回事，A是B的格蘭杰原因弁不意味著在邏輯上A是B的原因。例如，冬天將來臨，大雁南飛，在這里，大雁南飛是冬天到來的格蘭杰原因，而在邏輯上，冬天到來是大雁南飛的原因。2、在現(xiàn)實經(jīng)濟中，我們經(jīng)常發(fā)現(xiàn)，在貨幣擴張之后經(jīng)濟開始復(fù)蘇。一些研究者憑此認為，貨幣是非中性的?，F(xiàn)在我們已知道，這最多意味著貨幣量是實際GDP的格蘭杰原因，而這弁不構(gòu)成貨幣擴張是經(jīng)濟復(fù)蘇邏輯上的原因的證據(jù)。從邏輯上看，經(jīng)濟復(fù)蘇或許是貨幣擴張的原因。例如，廠商預(yù)期到經(jīng)濟復(fù)蘇從而為預(yù)期的產(chǎn)出增加做準(zhǔn)備，開始購買原材料，這導(dǎo)致貨幣需求增加，央行為穩(wěn)定物價，從而投放更多的貨幣。Eviews軟件在檢驗格蘭杰因果關(guān)系時所默認的

27、的模型是：ppXt=q+jXt.j+%Yt_j+、j4jTPP”2十jtrOjXt2tjdj口力、為白噪聲。(1)當(dāng)約束條件=.=%=0成立時，y不是x的格蘭杰原因，反之則相反；(2)當(dāng)約束條件。1=.=。p=0成立時，x不是y的格蘭杰原因，反之則相反；(3)當(dāng)上述兩個約束條件皆不成立時，則x與y互為格蘭杰原因。為了檢驗這些原假設(shè)，我們首先利用OLS法估計模型：ppXt=-Y_jtj=1j=1并進彳丁F檢驗,其原假設(shè)是H0:P1=Pp=0。記無約束殘差平方和為RSSU;受約束殘差平方和為RSSR,F統(tǒng)計量為(RS-RSSJ/pRSSU /(N -2p-1) F(p,N -2p-1)給定置信水平“，如果F%,則拒絕H0,認為Y是X的格蘭杰原因。同理對第二個模型進行F檢驗(二)格蘭杰因果關(guān)系檢驗應(yīng)該注意的問題1、可以在原模型基礎(chǔ)上再增加時間趨勢項、季節(jié)虛擬變量或者其他一些解釋變量。一個原則是，在t期，解釋變量的取值應(yīng)該是已知的，這是因為預(yù)測是基于已知的