Modele a correction d`erreur

L`approche Engle – Granger décrite ci-dessus souffre d`un certain nombre de faiblesses. À savoir, il est limité à une seule équation avec une variable désignée comme variable dépendante, expliquée par une autre variable qui est supposée être faiblement exogènes pour les paramètres d`intérêt. Il s`appuie également sur le prétest des séries chronologiques pour savoir si les variables sont i (0) ou i (1). Ces faiblesses peuvent être abordées par l`utilisation de la procédure de Johansen. Ses avantages comprennent que le prétest n`est pas nécessaire, il peut y avoir de nombreuses relations de cointégration, toutes les variables sont traitées comme endogènes et les tests relatifs aux paramètres à long terme sont possibles. Le modèle résultant est connu comme un modèle de correction d`erreur vectorielle (VECM), car il ajoute des fonctions de correction d`erreur à un modèle multi-facteur appelé autorégression vectorielle (VAR). La procédure se déroule comme suit: la première étape de cette méthode est de prétester la série temporelle individuelle on utilise afin de confirmer qu`ils sont non stationnaires en premier lieu. Cela peut être fait par l`unité standard DF test andADF test (pour résoudre le problème des erreurs corrélées en série). Prenez le cas de deux séries différentes x t {displaystyle x_ {t}} et y t {displaystyle y_ {t}}. Si les deux sont I (0), l`analyse de régression standard sera valide.

S`ils sont intégrés à un ordre différent, par exemple l`un étant i (1) et l`autre étant i (0), il faut transformer le modèle. L`idée de la cointégration peut être démontrée dans un contexte macroéconomique simple. Supposons que la consommation C t {displaystyle _ {t}} et le revenu disponible Y t {displaystyle y_ {t}} sont des séries chronologiques macroéconomiques qui sont liées à long terme (Voir l`hypothèse du revenu permanent). En particulier, laisser la propension moyenne à consommer être 90%, c`est-à-dire à long terme C t = 0,9 Y t {displaystyle _ {t} = 0.9 y_ {t}}. Du point de vue de l`économiste, cette relation à long terme (alias cointegration) existe si les erreurs de la régression C t = β Y t + ε t {displaystyle _ {t} = beta y_ {t} + varepsilon {t}} sont une série stationnaire, bien que Y t {displaystyle y_ {t}} et C t { DisplayStyle c _ {t}} sont non stationnaires. Supposons également que si Y t {displaystyle y_ {t}} change soudainement par Δ Y t {displaystyle Delta y_ {t}}, Then C t {displaystyle _ {t}} change par Δ C t = 0,5 Δ Y t {displaystyle Delta _ {t} = 0.5 Delta y_ {t}}, c`est-à-dire que la propension marginale à consommer est égale à 50%. Notre dernière supposition est que l`écart entre la consommation actuelle et l`équilibre diminue chaque période de 20%. La deuxième étape consiste ensuite à estimer le modèle à l`aide des moindres carrés ordinaires: y t = β 0 + β 1 x t + ε t {displaystyle y_ {t} = beta _ {0} + beta _ {1} x_ {t} + varepsilon _ {t}} si la régression n`est pas fausse, comme le déterminent les critères , Les moindres carrés ordinaires ne seront pas seulement valides, mais en fait Super cohérents (stock, 1987).

Ensuite, les résidus prévus ε t ^ = y t − β 0 − β 1 x t {displaystyle {hat {varepsilon _ {t}}} = y_ {t}-beta _ {0}-beta _ {1} x_ {t}} à partir de cette régression sont enregistrées et utilisées dans une régression des variables différencées plus un modèle de correction d`erreur à terme d`erreur (ECM) retardé Données du panneau EVIEWS 9https://www.youtube.com/watch? v = ZgCwrb6kI7wvideo introduire le concept d`un modèle de correction d`erreur (ECM) données du panneau EVIEWS 9. WhatsApp: + 6285227746673PIN BB: D04EBECBIG: @olahdatasemarang cher Dave, pour l`équation de correction d`erreur, est-il approprié d`inclure d`autres prédicateurs qui sont stationnaires, mais n`ont pas un impact à dépendre sur la base de niveaux c.-à-d.

Comments are closed.