协整关系

协整关系（Cointegration）是时间序列计量经济学中的一个核心概念，由诺贝尔经济学奖得主罗伯特·恩格尔（Robert Engle）和克莱夫·格兰杰（Clive Granger）于1987年系统提出。其基本思想是：尽管两个或多个非平稳时间序列各自呈现出随机游走或漂移等不平稳特征，但它们之间存在一种长期稳定的线性组合关系，使得该组合序列变得平稳。换言之，这些变量虽然在短期内可能各自偏离，但从长期看会共同运动、相互牵引，不会持续背离。协整关系的发现彻底改变了非平稳时间序列的建模思路，为经济学中许多经典理论——如购买力平价、利率期限结构、消费与收入的关系——提供了严格的统计检验框架。

协整的定义

从数学形式上看，设 $X_t$ 和 $Y_t$ 均为 $d$ 阶单整序列，记为 $I(d)$。若存在一个非零向量 $(1, -\beta)$，使得 $Y_t - \beta X_t$ 是 $I(d-b)$，且 $b > 0$，则称 $X_t$ 和 $Y_t$ 之间存在 $(d, b)$ 阶协整关系，记作 $CI(d, b)$。在绝大多数实证应用中，研究的对象是 $I(1)$ 序列，即一阶单整序列，此时若其线性组合为 $I(0)$（平稳序列），则称二者存在 $CI(1, 1)$ 协整关系。参数 $\beta$ 称为协整系数，它刻画了变量间的长期均衡比例。值得注意的是，协整关系仅涉及变量的线性组合，且该组合必须是唯一的——若存在多个线性独立的协整向量，则称系统具有多重协整关系。

经济含义与理论基础

协整关系的经济直觉十分深刻。许多经济学理论都预言某些变量在长期中应当保持稳定的比例关系。例如，根据购买力平价理论，两国的名义汇率与价格水平之比应当长期稳定；根据永久收入假说，消费与收入之间应当存在长期均衡关系；根据利率期限结构的预期理论，不同期限的利率应当共同运动。如果这些变量各自都是 $I(1)$ 的，那么其协整关系的存在与否直接构成了对相应理论的统计检验。协整关系所捕捉的正是这些变量背后的共同随机趋势——即驱动所有变量长期运动的一组不可观测的共同因子。当变量共享共同趋势时，任何外生冲击虽可能在短期内造成偏离，但经济系统的内在调节机制（如套利、市场出清、政策干预等）会推动变量回归均衡路径。这一调整过程由误差修正模型（Error Correction Model, ECM）刻画，它将短期动态与长期均衡纳入统一的建模框架。

检验方法

检验协整关系存在性的方法大致分为两类。基于回归残差的检验以恩格尔-格兰杰两步法为代表：第一步，用普通最小二乘法估计协整回归方程 $Y_t = \alpha + \beta X_t + e_t$，得到残差序列 $\hat{e}_t$；第二步，对残差进行单位根检验（如增广迪基-富勒检验），若残差序列在统计意义上拒绝单位根假设，则判定变量之间存在协整关系。该方法简单直观，但在小样本下检验势较低，且当系统包含两个以上变量时无法处理多重协整关系。基于向量自回归（VAR）系统的约翰森检验（Johansen Test）则在更一般的框架下同时估计协整向量的个数和具体形式。约翰森方法通过迹检验和最大特征值检验两种统计量，依次判定协整秩 $r$（即线性独立的协整向量个数），进而估计出协整空间。该方法适用于多变量系统，且能够纳入确定性趋势和结构性断点等复杂设定，在现代实证研究中应用更为广泛。

协整与伪回归的区分

协整关系的提出与伪回归问题的解决密切相关。早在20世纪70年代，格兰杰和纽博尔德通过模拟实验发现，若直接将两个独立的随机游走序列进行回归，往往会得到高度显著的 $t$ 统计量和较高的 $R^2$，但 $\text{Durbin-Watson}$ 统计量却趋近于零——这种虚假的回归结果完全不具备经济含义。协整理论为区分真实的长期关系与虚假的统计现象提供了清晰的判断标准：只有当非平稳变量间的线性组合确实平稳时，回归结果才是可信的，且该回归系数具有超一致性，即其收敛速度高于常规的 $\sqrt{n}$，达到 $n$ 阶一致。这一特性使得协整回归即便存在遗漏变量和内生性偏误，仍能获得一致的参数估计，展现出了极强的稳健性。

协整的应用领域

协整方法已被广泛应用于宏观经济学、金融学、国际经济学和能源经济学等诸多领域。在宏观经济学中，研究者利用协整检验验证货币需求函数的稳定性、菲利普斯曲线的长期关系以及政府跨期预算约束的可持续性。在金融学中，协整被用于配对交易策略的设计——若两只股票价格存在协整关系，则价差偏离时将产生套利信号；同时，协整也是检验市场有效性和长期均衡资产定价模型的重要工具。在国际经济学领域，购买力平价、利率平价的实证检验几乎离不开协整方法。在能源经济学中，原油价格与天然气价格、碳排放权价格与电力价格之间的长期传导关系同样通过协整建模加以刻画。近年来，面板协整方法的发展进一步拓展了该方法的适用范围，使其能够同时利用时间序列和截面维度的信息，显著提升了检验势和估计效率。

局限性与前沿发展

协整关系并非万能工具，其应用存在若干限制。首先，传统协整检验假设协整向量在样本期内不变，但现实中经济结构可能发生体制转换，导致协整系数随政策或技术变革而变化，此时需要使用结构突变协整检验。其次，协整关系反映的是线性长期均衡，若变量间存在非线性调整机制（如门槛效应、平滑转换），标准方法可能遗漏真实的均衡关系，需要采用阈值协整或马尔可夫转换协整模型。最后，高频金融数据中常出现的波动率集聚和跳跃行为给协整建模带来额外挑战，催生了分数阶协整和异质自回归协整等新方法。总体而言，协整关系作为连接非平稳时间序列与现代计量经济学的桥梁，仍然是实证研究中不可或缺的核心工具。