1 6建立误差修正模型（第1页）

1。6建立误差修正模型

输入命令：lsd（lnex）d（lnim）d（l（-1），结果如图1122所示。

图1122

从图1122可知，d（lnpt）没有通过显著性检验，现在去掉此序列，重新回归：

lsd（lnex）d（l（-1），结果如图1123所示。

图1123

写出标准格式ECM模型回归结果如下：

DLNEX　=　0。757*DLNIM　-　0。458*ET（-1）R2=0。618

t:（12。23）（-4。54）DW=1。788

方程的回归系数通过了显著性检验，误差修正系数为负，符合反向修正机制。

本章小结

1。　要对方程式Y=C0+C1*X1+C2*X2　进行回归分析，进行最小二乘估计要满足下列条件中的一个：①　Y、X1、X2三个时间序列必须是0阶单整的，即Y、X1、X2三个时间序列是平稳的。②　Y、X1、X2三个时间序列是非平稳的，但是Y、X1、X2三个时间序列是同阶单整的，回归方程必须通过协整检验。

2。　假设Y、X1、X2都是1阶单整的，在进行最小二乘估计之后，导出估计方程的残差项，复制粘贴数据到新的变量et，对et变量进行单位根检验，若检验结果表明et是平稳的时间序列，即et是0阶单整的时间序列，那么该回归结果就通过了EG协整检验，之前的回归结果就不会因为各个变量的不平稳性出现伪回归的现象。

3。　建立误差修正模型，首先对变量进行协整分析，以发现变量之间的协整关系，即长期均衡关系，并以这种关系构成误差修正项。　然后建立短期模型，将误差修正项看作一个解释变量，连同其他反映短期波动的解释变量一起，建立短期模型，即误差修正模型。

思考与练习

1。　用图形及QLB法检验1978—2002年居民消费总额时间序列的平稳性，数据如表1所示。

表1

年份居民消费总额年份居民消费总额年份居民消费总额

19781759。1

19792005。4

19802317。1

19812604。1

19822867。9

19833182。5

19843674。5

19854589

19865175

19875961。2

19887633。1

19898523。5

19909113。2

199110315。9

199212459。8

199315682。4

199420809。8