第23卷第10期
Vd.23No.10
统计与信息论坛
Statistics&InformationForum
2008年10月
Oct.,2008
【观点综述】
Johansen和Juselius协整检验应注意的几个问题
钟志威,雷钦礼
(暨南大学经济学院,广东广州510632)
摘要:Johansen和Juselius的似然比检验多变量协整关系的方法在实证分析中得到了广泛应用。在总结
该方法的基础上,针对国内使用该方法存在比较混乱的状况指出了一些注意事项,譬如根据经济时间序列的
数据生成过程选择确定性成分,检验临界值的使用以及协整关系个数的非唯一性等问题,还简要论述了阶数
的确定、外生性与因果关系检验等问题,最后指出了该检验的一些不足。通过对上述问题的讨论,试图为实证
研究人员在使用该方法时提供简单有效的指导性建议。
关键词:协整;JJ检验;识别问题;因果关系;外生性;向量误差修正模型
中图分类号:砣75 文献标识码:A 文章编号:1007—3116{2008}10一0080—07
一、引 言
自从Engle和Granger[1J正式提出协整(Cointe—
gration)理论(国内对“协整”一词有不同理解与译
法【2J)以来,它在对非平稳时间序列数据是否具有
长期稳定关系的处理上越来越受到理论研究者和实
证应用者的青睐。在国内,特别是近年来关于协整
理论的应用甚至到了泛滥的地步[3]3,协整关系似乎
成了经济时间序列之间存在的普遍关系,这与检验
方法的使用不当不无关系。
常用的检验协整关系的方法有两种①:一是
E—GN步法,即基于回归残差的平稳性检验L11;二
是Johansen和Juselius的似然比检验方法,以下简
称JJ检验,主要用来分析诸多变量组成的VAR系
统,借助典型相关理论在VAR模型基础上使用似
然比检验进行协整检验的同时确定协整关系【4-8]。
前者尽管比较简单实用,但由于存在诸多缺点而逐
渐被淘汰。JJ检验相对前者复杂很多,但它检验功
效更大且重要的是它能够估计和检验多重协整关
系,还允许对协整关系和速度调整系数施加约束进
行检验,这些都是前者所不及的,因此JJ检验在实
证中得到了广泛的应用。
国内学术界目前在使用该方法检验向量协整关
系时存在比较混乱的状况。首先,没有根据经济时
间序列的数据生成过程(DGP:DataGenerationPro—
cess)正确选择确定性成分。大多数人在使用流行
的软件EViews进行协整分析时仅仅根据其缺省的
选项(选项3)进行检验,事实上许多经济数据更多
的是呈现出选项2和选项4所描述的特征【9-loj。
因此,协整分析的首要问题是必须正确处理好数据
的截距项和趋势项。其次,没有在实证分析阶段结
果的基础上选择临界值。Johallsen和Juselius的似
然比检验方法是对有约束的VAR模型进行检验,
所采用的统计量分布对截距项、线性趋势项、二次趋
势项和外生变量等成分选择很敏感,因此含有不同
的成分就对应不同的临界值。EViews提供了两种
可选择的临界值:O—L和MHM(MacKinnon一池ug
—Michdis),后者是EViews的默认选项,可看成是O
—L的推广,即在考虑了外生变量的基础上使用响
应面方法模拟出了比。一L精确的临界值。但这并
收稿日期:2008—07—22
作者简介:钟志威(1984一),男,广东惠州人,硕士生,研究方向:经济统计模型及其分析;
雷钦礼(1956一),男,山西吉县人,教授,博士生导师,研究方向:统计学理论与方法研究,经济统计模型及其分
析等。
①此外还有Durbin—Watson’(CImw)检验、Engle—Y面(EY)三步法以及Phillips的基于VAR的半参数估计法等方法。
万方数据
钟志威,雷钦礼:Johansen和Juselius协整检验应注意的几个问题
不意味着在使用EViews时就一律把它作为临界值
使用,下文我们将看到对于选项3和5情形,MHM
和。一L对变量的约束就是不一样的,从而临界值
也不一样。所以,在做JJ协整检验时如果不加考虑
的选择默认选项,得出的结论可能会出现谬误。第
三,协整关系的非唯一性问题,即当检验出变量间出
现多于1个协整关系时,我们应该如何在经济意义
上对这些关系进行解释,这又称为协整关系的识别
问题(identificationproblem)。除上所述外,本文还
简要讲述了VAR模型的阶数选择以及外生性检验
和因果关系检验的一些注意事项。
本文仅仅是一篇综述类的文章,论述的内容都
来自现有文献,并没有为JJ检验方法引进新的内
容,如果说有贡献,则是为实证应用者收集总结有关
JJ检验的结果并为他们在使用该检验时提供简单
而有效的指导性意见。此外,本文是以计量经济学
最流行的软件EViews为例展开,因此下文所述对
于使用EViews进行实证分析的学者来说将会很有
帮助。
二、JJ检验的理论基础
假定序列M的DGP是一个P阶的VAR,即:
Yt=AlYt一1+⋯+A幽一p+Bxt+岛
t=1,⋯,T (1)
其中既是一个(疗×1)向量,所含的竹个经济变量皆
为f(1)序列;而是Y,生成过程中可能包含的确定性
成分(如截距,趋势项等),为d维向量;g,是一个新
息(innovations)向量。Johansen和Juselius在检验乳
中的各个变量之间是否具有协整关系时,将该VAR
转换成下列形式的向量误差修正模型(V】三CM):
出
Ayf=Flyt—l+22,FiAyt—j+Bxf+8t(2)
i=l
上 卫
其中Ⅱ=∑Af一,,E=一∑Aj,如果
i=I j=f+1
rank(H)=0,则Y,所含T/个变量都是单位根过程,
此时因为不存在这,z个变量的线性组合是乎稳的,
所以变量间不是协整的;如果rank(H)=竹,则模型
(2)是差分方程的收敛系统,因此所有变量都是平
稳的;而0
表示矩
阵Ⅱ的特征根,实践中通过下面两种统计量进行特
征根的个数显著性检验实现上述目的,即迹统计量
A廿。和最大特征根统计量A一①:
,苎’
A~(r)=一T∑In(1一爻f),
f=r+l
|;I一(r,,.+1)=一Tln(1一天,+1)
迹统计量用于检验零假设:不同的协整关系的
个数至多为r,最大特征根统计量用于检验零假设:
协整关系的个数等于r。
这两个统计量对模型(2)等式右边的确定性成
分Bx。的选择很敏感,不同的确定性成分将会导致
两个统计量的极限分布不同,从而相应的临界值也
将不同的。现有文献一般是根据对确定性成分不同
的约束将模型(2)扩展为5种不同的模型,然后通过
运用各种方法(蒙特卡罗模拟、数值计算、极限分布
推导)计算出这5个不同模型对应的1%,5%,10%
显著性水平下的临界值。
三、应用JJ检验的几个注意问题
(一)阶数的确定
由于模型(2)滞后变量的阶数是模型(1)的滞后
阶数减1,因此确定VECM模型的阶数就是确定无
约束VAR的阶数P。传统的选择滞后长度的准则
是AIC(Akaike’SInformationCriterion)和sBC
(Schwartz’SBayesianCriterion)信息准则,判断准则
皆以其值最小为选择
,但这两种准则经常得出
相互矛盾的结论,这时常借助似然比统计量LR加
① 如果两个统计量得出的结论相互矛盾,则应首先排除是否有模型设定偏误。之后才根据研究问题尝试解释结论。但已有研
究表明,迹统计量比最大特征根统计量更为稳健,参见文献[11]、[12]。
81
万方数据
统计与信息论坛
以抉择①。譬如在处理含季节性的经济时间序列时
AIC准则选择8阶滞后而SBC准则选择4阶滞后,
这时就可以把4阶的模型看成是约束模型,8阶的
模型做为无约束模型,然后通过似然比检验比较这
两个模型的优劣从中做出取舍。但必须注意,似然
比检验对于有效小样本作用不大,并且仅适用于一
个模型是另一个模型的约束形式。
(二)确定性成分的5种情况【7-14】
根据水平形式的弘的DGP可能含有截距项,线
性趋势项和二次趋势项,一般可将执的差分形式扩
展为下式,由于平稳性成分∑£:n锄一i不影响估
计,为行文方便略去该项:
却‘=llyt—l+/zO+/zlt+ef
其中,/10和产1又可分解为两部分:∥o=确+Yo,∥1
=印l+yl使得它们中的一部分属于口空间以解释
协整关系,其余部分属于正交空间用以解释厶y,。
实证时,一开始并不知道肌中的变量究竟含有
哪些确定性成分以及是否会在差分后被消除,好的
习惯做法是预先对变量描图,看其DGP表现出何种
趋势。而
的检验变量的确定性成分则是通过对
/10和∥l施加不同的约束条件展开,因此将模型扩
展成5种模型进行分析。
为与EViews保持一致,这5种情形与EViews
对话框的前5个选项相对应,注意EViews将第三种
情形设为默认选项。
情形1:/Jo,∥1=0,即水平形式的弘没有确定性
趋势且协整方程里没有截距项:相应的VAR模型为:
4既=Hyt一1+e£=审饥一1+e£
在该情形的假定下有M的DGP:
x--at
弘2厶扛1ef+YO
这是最简单的情形,但在该约束下兑没有趋势
的表现,协整方程卢■为零均衡值,即EAyt=o从而
邱饥=0,这意味着每个协整关系的截距项为零,事
实上这跟大部分经济数据并不相符。下面几种扩展
情形在实证中更为常见。
情形2:/10≠0(Yo=0且风≠0),tzl=0,即水
平形式的乳没有确定性趋势且协整方程含有截距
项:
广^. .1
Ayt=口[∥风]r。1I+ef,
Yt=∑j:1ef+YO‘
模型中惟一的确定性成分是每个协整关系里含
有截距项使得长期均衡值为零。
情形3:/比。不受约束,卢l=0,即水平形式的Yt
有线性时间趋势,估计的VAR模型中没有线性趋
势:
Ayf=印7乳一l+po+ef,
订t
孰2乙f:1ei+/zot+Y0
由于/10不受约束,协整方程里面可以有截距
项,EViews就是把截距项的一部分认为是属于协整
方程所需要的量,即/zo≠0使得长期均衡值不等于
零:4M=口(卢’h一1+风)+yo+et。
情形4:∥o不受约束(卢b,Yo无约束),角≠0且
yl=0,水平形式的兑和协整方程里面均含有线性
时间趋势:
降一·]
4咒=口[∥风卢1]lI l+Yo+£f,
L j
Yf=∑j-I£f+彬+Yo
由于卢l≠0使得协整关系中含有线性趋势,因
此情形4可以用来描述趋势平稳变量或者趋势平稳
的协整关系。
情形5:∥o,∥1不受约束,即估计的VAR模型截
距项和趋势项不受约束,EViews中的处理为:
p—t]
Ayt=口[p7风J91]l1 I+Yo+),lt+£f,
已 J
=一j一1££+ +弘1百1Yt 22 /tot t(£+1)+Yo= i一1££+ +弘1百(£+)+
即水平形式的Yt含有二次时间趋势,协整方程含有
线性趋势。
(三)可用的临界值
一些学者通过仿真模拟得到了JJ检验的临界
值,如Osterwald—Lenum[15],Johansen[5],Pesaran,
Shin.andSmith[16】以及MacKirmon-Haug-
Michelis[17J,其中前两者得到的结果比较粗糙,
Pesaran等人将模型扩展到含外生变量的情形,而
MacKinnon等人又在此基础上使用响应面方法
(responsesurface)得到了更精确的临界值。EViews
中提供了Osterwald.Lenum(oL)和MacKinnon-
① 也有用最终预测误差准则(矸)E),修正AIC准则(AICC)等,此外有文献采用所谓的t—sig方法,据称该法优于ⅣC和
S13C,具有检验水平稳定和检验功效高的特点,参见文献[13]。
82
万方数据
钟志威,雷钦礼:Johansen和Juselius协整检验应注意的几个问题
Haug-Michelis(MHM)的临界值供选用。下表是两者的比较,即参考文献[17]中表I:
表1两种临界值表的比较表
注:表中各种符号的意义为:“MHM”:MacKinnon-I/aug—Michelis,“I~V”是其对应的5种情形;“O—L,’:Osterwald—
Lenum,“0,1*,l,2*,2”是其对应的5种情形;“一”:不含此项,“r:此项有约束,⋯N:此项无约束。
由上表可知,撇开是否含外生变量的区别,两种 对于情形1、2、4使用默认选项(MHM)其余情形则
方法在情形3和情形5的约束是不一样的,情形3 选用QL选项。
中,MHM的变量水平值不含有趋势项而QL含有 如果模型中含外生变量,则使用MHM的模型
此项;情形5中,MHM不含二次趋势而QL有。而更为恰当,EViews中并不需要额外地去选择模型,
对于情形1、2、4约束是一样的,但MHM比QL更由上表我们注意到EViews的设定与O-L的模型设
精准。EViews中的5种情形的设定与O-L是一致定一致。但限于EViews的局限性,此时的报道的
的但将临界值默认选项设为MHM。由此可见,并 临界值并不能解释外生变量u4|。这时,最好的办法
不是所有的情形都用MHM作为临界值表,如果不 大概是通过编程或者使用其它软件。
加区分的选用这两种临界值可能会出现谬误。 EViews6.0的帮助文件里对这5种情形的选择
(四)5种情形如何选择 做了粗略指引【l4l。一般来说,用情形1当且仅当所
在进一步论述前,必须区分模型是否含外生变 有的经济变量的均值为零。如果所有经济序列都没
量。
不含外生变量的情况。情形1的经济序列没有
趋势且长期协整关系的均衡值为零的假定与现实生
活中经济序列的特征不符。而情形5,由于所估计
的模型含有二次趋势项,已有知识还没有估计这种
模型所需的极限理论,此外二次趋势项的加入虽然
能够很好地提高样本内的预测,但对于样本外推预
测却很有可能得出错误的结论。因此实证应用中很
少用到情形1和情形5。幸运的是,大多数经济时
间序列往往呈现出的是情形2和情形4所描述的特
征,它们是实证中最为常见的情形。情形3尽管是
EViews中的缺省选项,但是它关于水平形式下的经
济序列含有线性时间趋势而协整方程里没有线性趋
势的约束不是一个合理的假定。因此,正如前文所
述不加区分的使用EViews的默认选项进行分析,
必定不能得出令人信服的结论。参考文献[10]中用
~个例子说明了这种情况即情形2和4才是最为常
见的情形。此外,关于临界值的选择可做如下考虑,
有显示出有时间趋势的表现则用情形2。对于研究
的经济序列中的一些或者全部变量表现出含有时间
趋势的情况,使用情形3当且仅当所有的趋势是随
机的,而如果认为其中的一些序列是趋势平稳的则
选用情形4。情形5一般不使用。最后,如果对这
些假定都不是很确定,则可以选用EViews中的选
项6(5种情形的汇总)可能会有助于进一步的分析。
(五)协整关系个数不止一个时如何取舍
JJ检验仅仅告诉我们协整关系有多少个,但无
法直接阐明这些关系。面对如此众多的协整关系,
我们不禁要问它们究竟要向我们传达什么样的信
息?哪些才是我们所需要的?更重要的是我们能对
这些协整关系做出经济意义上的解释吗?
协整关系的非唯一性涉及到协整关系的识别问
题(identificationproblem),即使是在只有单一协整
关系的情况下,识别问题依然存在【18J,而对多重协
整关系情况更是如此。当存在多个协整关系时,这
些变量的线性组合也将是一个协整关系,一般地,如
83
万方数据
统计与信息论坛
果在竹变量系统中存在r个协整关系,则对(7"/一r
+1)个变量构成的每个子集都将是协整的【19J。这
表明如果不额外地借助一些先验信息(aprioriin.
formation)和相关的经济理论,那么仅仅由JJ检验
得出的协整关系是无法识别的L18,20J。
此外,JJ检验为了解决特征根的问题,在估计
协整关系时引入一个转换矩阵日,即II=
讲-1郦7,所以估计结果得到的是占=all一,p=
解而不是a和卢本身,因此需要对估计出来的结果
施加约束条件以获得真实的口和卢【18J。
实证中通过对矩阵卢施加约束条件进行协整关
系的识别。Johansen认为如果检验出有r个协整关
系的话,那么每个协整关系就需要恰好r个约束条
件对其识别①,称为恰好识别约束(exactly
identifyingrestrictions,just-identifyingrestrictions)。
然而,Pesaran和Shin[20J指出r2个约束条件并不够,
因为任意r2个约束条件下得出的极大对数似然值
都是相等的,因此无法区分不同的约束组合。他们建
议采用r2+k(忌≥1,为一常数)个约束条件识别协
整关系,称为过度识别约束overidentifyingrestric.
tions)。即首先对协整关系进行恰好识别约束以判
断它们是否在统计意义上可被识别,此时每个协整
关系至少需要个约束条件,其中包括一个标准化约
束。而对哪一个变量进行标准化的判断准则是看这
个变量的误差修正项系数的符号是否为负,以及在
统计上是否显著。然后才进行过度识别的其它的条
件约束以判断协整关系在经济理论的意义上可被识
别,这些约束条件必须基于一些先验的信息或者与
所研究的问题相关的经济理论。最后通过极大似然
比LR统计量判断条件约束在统计上是否显著。
譬如PesaranMH.和shin.Y.[驯在做英国非
耐用品消费需求时得出2个协整关系,结合消费理
论中关于参数具有可加性(Adding-uprestrictions)、
齐次性(Homogeneityrestrictions)和对称性(Sym.
metryrestrictions)的条件对这2个协整关系施加了
总共5个约束进行了识别。MilasC.[21】在研究希腊
劳动力市场时也得到了2个协整关系,通过对其施
加5个约束条件将第一个协整关系识别为长期劳动
需求方程而将第二个协整关系解释为长期工资均衡
关系。肖建国【22J在研究区域金融中介发展与经济
增长的关系时认为东、中、西部的VAR系统分别存
在2个协整关系,在将第一个协整关系解释为金融
中介发展与其它经济变量之间的关系,将第二个协
整关系约束为经济增长与其它经济变量之间的关系
时,除了协整关系本身已有的两个约束外,作者还根
据资本存量对金融中介发展并无直接作用、金融中
介发展并不直接促进经济增长而是通过资本积累和
技术创新带动经济增长以及考虑到改革开放以来中
国主要依赖资本积累来实现经济增长这三个理论依
据和先验信息对这两个协整关系施加了三个约束条
件。关于协整关系识别还有其它文献如《区域经济
金融中介发展与经济增长关系的实证研究》和《中国
金融市场联约分析:2000~2004))[23-24】。
(六)进一步的检验:外生性与因果关系
在进一步论述前有必要将外生性与Granger因
果关系区分开来,一些学者经常用Granger因果检
验来考察自变量是否是外生的,这是一种错误的做
法⑦。实际上,Granger因果关系对于建立外生性既
不是必要的也不是充分的【26J。
实证中对假设进行外生性检验。如果接受原假
设则表明标准化变量(即vECM模型的因变量)对
协整关系参数估计具有弱外生性(weakexogene—
ity),Richard(1980)、Engle等人【27|。对外生性的另
一种解释是可以判断协整系统中的变量是否响应长
期均衡离差以做出短期动态调整。
而因果关系的检验则是检验VECM模型的滞
后差分自变量的系数是否为零。如果为零则变量间
不具有短期因果关系。如果某个变量弱外生性并且
不具有短期因果关系与则称这个变量对协整关系参
数估计具有强外生性(strongexogeneity)。
四、其它注意问题及结束语
本文综述了Johansen和Juselius的似然比检验
多变量协整关系的方法,总结出了几个使用该检验
时需要注意的问题,譬如如何根据经济序列的DGP
选择确定性成分,检验临界值的使用以及如何从经
济的意义上对协整关系做解释,此外还简要讲述了
阶数的确定、外生性与因果关系检验等问题。
尽管如此,对于Johansen和Juselius的协整检
验方法仍然还有几点需要注意。首先,由于JJ检验
① ,.个协整关系即总共恰好需要,.2个约束条件。
⑦ 关于外生性与因果关系的讨论可参见文献[25]、[26]。此外因果关系并不表示变量之间具有前因后果的关系而仅仅说明
一个变量的当期值与其它变量的过去值之间的相关关系,实际上用“前定关系”(Precedence)更贴切。
84
万方数据
钟志威,雷钦礼:Johansen和Juselius协整检验应注意的几个问题
的结果对于经济序列的DGP设定具有很强的依赖
性,尽管我们能够像上文所述的步骤那样为序列的
DGP选择确定性成分,但这种做法依然没有摒除主
观因素的影响,因此有可能在接下来的JJ检验里造
成对真实协整关系的扭曲。为此有文献[28]建议采
参考文献:
用Johansen(1994)建立的基于DGP识别的协整检
验方法选择协整关系个数,以克服JJ检验的这一缺
陷。其次,在协整关系的识别中如果过度识别的约
束条件过多,将会极大损失自由度从而造成检验功
效的降低。
[1]EngleRF,GrangerCWJ.Co—integrationanderrorcorrection:represention,estimationandtesting[J].Eeonometrica,
1987。55(2):25l一276.
[2]龚益.Cointegration:协整=同积=协积?[J].科技术语研究,2004,6(3):37—40.
[3】王瑞泽,周观君,张丽峰.协整理论在中国的应用情况研究[J].统计与信息论坛,2007,22(4):21—25.
[4]JohansenS.Estimationandhypothesistestingofcointegrationvectorsingaussianvectorautoregre帑ivenxxlels[J].
Econometrica,1991,59(6):1551—1580.
[5】Johan湖S.Identifyirigrestrictionsoflinearequationswithapplicationstosimultaneousequationsandcointegration[Jj.Journal
ofEconometrics,1995,69:111—132.
[6]JohansenS.Statisticalanalysisofcointegrationvectors[J].JournalofEconomicDynamicsandControl,1988,12:231—254.
[7]JuseliusK.TheeointegratedVARmoddmethodologyandapplications[M].NewYork:OxfordUniversityPress,2006:79—
92。99—100.
[8】StockJH,WatsonMW.Testingforcommontren&[J].JournaloftheAmericanStatisticalAssociation,1988,83(404):
1097—1107.
[9]FramesPH.Howtodealwithinterceptandtrendinpracticalcointegrationanalysis?[J]。AppliedE舶nomics,2001,33:577
—579.
[10]赵华,潘长风.在协整分析中如何处理截距和趋势[J].数量经济技术经济研究,2004(1):106—109.
[11]KasaK.Conlnlonstochastictrendsininternationalstockmarkets[J].JournalofMonetaryEconomics,1992,29:95—124.
[12]CheungYW,场KS.Finite—samplesizesofJohansen’slikelihoodratiotestsforoointegration[J】.OxfordBulletinof
EconomiesandStatistics,1993,55:313—328.
[13]NgS,PerronP.UnitRootTestsinARMAmodelswithdata—dependentmethodsfortheselectionofthetruncationlag[J].
JournaloftheAmericanStatisticalAssociation,1995,90(429):268—281.
[14]QuantitativeMicroSoftware.EViews6User’sGuideII[EB/OL].(2008—4—21)[2008—7—21].http://www.nek.h.
se/nekded/Teaching/MasterEcon/EViews%206%20Users%20Guide%2011.pdf。2008:364—372.
[15]Osterwald—I.AnU/BM.Anotewithquantilesoftheasymptoticdistributionofthen俩ml/nllikelihoodoointegrationranktest
statistics[J].OxfordBulletinofEo删csandStatistics,1992,54(3):461—471.
[16]PesaranMH,ShinY,SfnithRJ.Structuralanalysisofvectorerrorcorrectionrrzxlds稍出exogenousI(1)variables[J].
JournalofEconometrics,2000,97:293—343.
[17]MacKinnonJG,HangAA,MichelisL.Numericaldistributionfunctionsoflikdihoodratiotestaforcointegration[J].Jour-
halofAppliedEconometrics,1999,14:563—577.
[18]WickensMR.InterpretingcointegratingvectorsandeolTllnonstochastictrends[J】.JoumalofEconometrics,1996,74:255
—271.
[19]
[20]
[21】
22
23
24
25
EndersWalter.Appliedeoarrmaetrictimeseries[M].2ndEd.NewYork:JohnWiley&Sons,Inc.2003:360—361.
PesaranMH,ShinY.1ong—runstructuralmodelling[J].EconometricReviews,2002,21(1):49—87.
MilasC.L0flg—lUllstructuralestimationoflabourmarketequationswithanapplicationtoGreece[J】.Econc觚cmoddling,
1999。16:149—161.
肖建国.区域金融中介发展与经济增长关系的实证研究[J].南方金融,2004(8):28—31.
殷剑峰.中国金融市场联动分析:2000-2004[J].世界经济,2006(1):50—96。
梁琪,滕建州.股票市场、银行与经济增长:中国的实证分析[J].金融研究,2005(10):9—19.
CooleyThomasF,LeroyStephenF.AtheoreticalMacroeconometrics:acritique[J].JournalofMonetaryEconomies,1985
(16):283—308.
(下转第90页)
85
万方数据
统计与信息论坛
napPressofHarvardUrfiversityPress,1986.
[3]陈希孺.数理统计学简史[M].长沙:湖南教育出版社,2000:5.
[4]HackingI.Theemergencyofprobability[M].CambridgeUniv.P煅.1975:143.
[5]EdwardsAWF.Thehistoryoflikelihood[J].ImemationalStatisticalReview,1974,42(1):9.
[6]KendallMG.Whereshallthehistoryofstatisticsbegin?[J].Biometrika,1960,47(3/4):447.
[7]StiglerSM.st:igl盯’slawofevonomy[J].TransactionsoftheNewYorkAcademyofSciences,SeriesII,1980(39):147.
(责任编辑:张治国)
V(henDidtheHistoryofInferentialStatisticsBegin
YUZhong-Yi
(D印t.ofStatistics,SchoolofTechnology,TianjinUniversityofFinance&E00n。iTli岱,Tianjin300222,China)
Abstract:Thispapermakesanattempttosearchfortheoriginofinferentialstatisticsfromthedirectionof
logicandhistory.Byanalysisfortheconceptionofinferentialstatisticsandahistoricalretrospect,thepaper
pointsthatinferentialstatisticsbeganinthe1750’8.
Keywords:historyofstatistics;inferentialstatistics;origin
(上接第85页)
[26】达摩达尔.N.古扎拉蒂.计量经济学基础[M].4版.北京:中国人民大学出版社,2004:658—659.
[27]MaddahGS.Introductiontoemnometrics[M].2nded.NewYork:Macmillan,1992:389—395.
[28]王美今,余壮雄.协整检验的DGP识另IJ[J】.统计研究,2007,24(7):79—83.
(责任编辑:王南丰)
SomeNotesonJohansenandJuseliusCointegrationTest
ZHONGZhi—wei。LEIQin—li
(schoolofECOrK疵cs,JimnUniversity,Guangzhou510632,China)
Abstract:JohansenandJuseliuscointegrationtesthasalreadybeenusedinpracticewidely.Wesummarizes
thismethod,andthenarisesafewattentiontothistestaccordingtothefactthattheconfusionofapplicationof
thismethodindomestic,such舔howtOdealwithdeterministiccomponentsbasingontimeseries’DGP,the
usageofcriticalvaluesandthecointegrationidentificationproblem.Besides,wearealsoconcernwiththe
determinationoforders,thetestsofexogeneityandgrangercausality.AttheIaStsectionofthispaperwepoint
outsomeargumentsaboutJoharisenandJuseliuscointegrationtest.Throughsuchproblems’extended
discussion,weattempttogiveafewpracticalandefficaciousguidelinesforcointegrationanalysis.
Keywords:co——integration;JJtest;identificationproblem;Grangercausality;exogeneity;vectorerror
correctionmodel(VECM)
万方数据