python误差修正模型

自学了若干遍误差修正模型还是不知道如何建立模型的表达式？

那些表达式的系数到底怎么得来的呢？感觉好像很麻烦。也不知道误差修正模型的含义是个啥？

求高手予以解答？

ecm的系数都是负值吗？我怎么做出来的结果是正值？而且t统计量都非常小。

发现DW值偏小之后，在加了AR(1)之后，ecm就变成负值了。不知道这样处理是否合适？

首先来说为什么建立ECM模型， 对于非稳定时间序列，可通过差分的方法将其化为稳定序列，然后才可建立经典的回归分析模型。例如yt=a+bxt+e，经过差分变为dyt=bdxt+e，但是如果采用差分形式进行估计，则关于变量水平值的重要信息将被忽略，这时模型只表达了X与Y间的短期关系，而没有揭示它们间的长期关系，所以利用X与Y的(1,1)阶之后模型yt=a+b1xt+b2x(t-1)+cy(t-1)+e得出了X与Y的误差修正模型：dyt=b1dxt-(1-c){y(t-1)-m-nx(t-1)}+e(d代表差分，大括号内m表示常数项，n表示为x的滞后一期系数，主要是在这没法表达，楼主可回去自己演算，滞后方程左右都减y(t-1)即可)，从方程中可以看出Y的变化决定于X的变化以及前一时期的非均衡程度。

同时也弥补了简单差分模型dyt=bdxt+e的不足，因为该式含有用X、Y水平值表示的前期非均衡程度。因此，Y的值已对前期的非均衡程度作出了修正，简写为dyt=b1dxt-kemc(t-1)+e(k为系数)。

下面在说一下，怎么用Eviews做，首先做单整检验，再做协整，也就是长期关系，就是普通的最小二乘，只不过多了一步检验残差项，看看是不是平稳的。

然后利用残差项的滞后一期值做ECM(t-1)直接纳入到后面的误差修正模型dyt=b1dxt-kemc(t-1)+e，就可以估计出来了。

关于你提问的ECM正负号的问题，ECM为正的时候说明，上一期的Y(t-1)的实际值大于其均衡值(a+bx(t-1)),那么就作出减的修正，而你所说的Eviews的ECM为正，则恰恰说明Y(t-1)的实际值小于其均衡值(a+bx(t-1))，所以要做出加的修正。

喜欢 (4)or分享 (0)