KNOWECON WIKI

ARTICLE

协整理论

协整理论（Cointegration Theory）是时间序列计量经济学的核心理论之一，由克莱夫·格兰杰（Clive Granger）和罗伯特·恩格尔（Robert Engle）于1987年系统提出，格兰杰因此获得2003年诺贝尔经济学奖。该理论揭示了这样一个重要事实：虽然许多经济时间序列本身是非平稳的（即具有单位根），但这些序列的某种线性组合却可能是平稳的

浏览 3 更新 2025-11-08

协整理论（Cointegration Theory）是时间序列计量经济学的核心理论之一，由克莱夫·格兰杰（Clive Granger）和罗伯特·恩格尔（Robert Engle）于1987年系统提出，格兰杰因此获得2003年诺贝尔经济学奖。该理论揭示了这样一个重要事实：虽然许多经济时间序列本身是非平稳的（即具有单位根），但这些序列的某种线性组合却可能是平稳的——这种关系被称为协整关系。协整关系的存在意味着变量之间存在着长期均衡关系，即便短期内它们可能偏离均衡，但这种偏离在长期中会被修正。

1. 基本概念

1.1 非平稳性与单位根

在理解协整之前，必须先理解非平稳性。一个时间序列如果其均值、方差或协方差随时间变化，则称为非平稳序列。最常见的非平稳形式是随机游走（Random Walk）：

yt=yt−1+εty_t = y_{t-1} + \varepsilon_t

其中 εt\varepsilon_t 是白噪声。这种过程被称为一阶单整过程，记作 I(1)，意味着对该序列取一阶差分后会变得平稳。平稳序列则记为 I(0)。

1.2 协整的定义

两个或多个 I(1) 序列 {yt}\{y_t\} 和 {xt}\{x_t\}，如果存在一个线性组合使得：

zt=yt−βxt∼I(0)z_t = y_t - \beta x_t \sim I(0)

则称 yty_t 和 xtx_t 之间存在协整关系，向量 (1,−β)(1, -\beta) 称为协整向量，而 β\beta 称为协整系数。更一般地，对于 kk 维时间序列向量 yt\mathbf{y}_t，如果存在一个非零向量 β\boldsymbol{\beta} 使得 β′yt\boldsymbol{\beta}'\mathbf{y}_t 是平稳的，则称这些变量之间存在协整关系。

伪回归问题是协整理论诞生的直接动力。当两个独立无关的随机游走序列进行回归时，t 统计量和 R² 往往表现出显著的结果——这就是格兰杰和纽博尔德（Newbold）于1974年揭示的伪回归（Spurious Regression）现象。协整理论为区分真正的经济关联和统计幻觉提供了严格的框架。

2. 协整的检验方法

2.1 Engle-Granger 两步法

这是最经典的协整检验方法，分两步进行：

第一步：用普通最小二乘法（OLS）估计长期均衡关系：

yt=α+βxt+uty_t = \alpha + \beta x_t + u_t

得到残差序列 u^t=yt−α^−β^xt\hat{u}_t = y_t - \hat{\alpha} - \hat{\beta}x_t。

第二步：对残差序列进行单位根检验（通常用ADF检验）。如果残差是平稳的，则拒绝"不存在协整关系"的原假设，认为变量之间存在协整关系。

这一方法的优点在于直观简便，但也有明显缺陷：其一，它只能识别最多一个协整关系；其二，检验结果依赖于哪个变量被选为因变量（即存在"标准化"问题）；其三，在小样本下检验功效较低。

2.2 Johansen 检验

由索伦·约翰森（Søren Johansen）于1988年提出，基于向量自回归（VAR）模型的极大似然估计方法。其核心思想是将 VAR 模型转化为向量误差修正模型（VECM），然后通过检验矩阵 Π\Pi 的秩来确定协整向量的个数：

Δyt=Πyt−1+∑i=1p−1ΓiΔyt−i+εt\Delta\mathbf{y}_t = \Pi\mathbf{y}_{t-1} + \sum_{i=1}^{p-1}\Gamma_i\Delta\mathbf{y}_{t-i} + \boldsymbol{\varepsilon}_t

其中 Π=αβ′\Pi = \boldsymbol{\alpha}\boldsymbol{\beta}'，β\boldsymbol{\beta} 为协整向量矩阵，α\boldsymbol{\alpha} 为调整系数矩阵。Johansen 检验提供了迹检验（Trace Test）和最大特征值检验（Maximum Eigenvalue Test）两种统计量，可以同时识别多个协整关系，适用于多变量系统的分析。

2.3 其他检验方法

Phillips-Ouliaris 检验是一种基于残差的非参数检验，对异方差和自相关具有较好的稳健性。此外，Pesaran 边界检验（Bounds Test）允许在变量为 I(0) 或 I(1) 的混合情形下检验协整关系，在应用经济学中亦有广泛使用。

3. 误差修正模型

协整理论与误差修正模型（Error Correction Model, ECM）内在地联系在一起。根据格兰杰表述定理（Granger Representation Theorem），如果一组变量之间存在协整关系，那么它们一定可以用误差修正模型来表示：

Δyt=γ(yt−1−βxt−1)+∑i=1pϕiΔyt−i+∑j=1qψjΔxt−j+εt\Delta y_t = \gamma (y_{t-1} - \beta x_{t-1}) + \sum_{i=1}^{p}\phi_i\Delta y_{t-i} + \sum_{j=1}^{q}\psi_j\Delta x_{t-j} + \varepsilon_t

其中项 ECMt−1=yt−1−βxt−1ECM_{t-1} = y_{t-1} - \beta x_{t-1} 即为误差修正项，反映了上一期对长期均衡的偏离。系数 γ\gamma（通常为负值）度量了系统从短期偏离向长期均衡回归的速度，称为调整速度或反馈系数。误差修正模型将短期动态调整与长期均衡约束统一在一个框架中，是协整理论最核心的应用工具。

4. 经济学中的应用

协整理论在宏观经济学和金融学中有着极其广泛的应用：

购买力平价（PPP）检验：名义汇率与两国物价水平之间理论上存在长期均衡关系，协整检验用于验证这一关系是否成立。

利率期限结构：不同期限的利率之间应当存在协整关系，否则意味着存在无风险套利机会。

消费函数：总消费与总收入之间通常存在协整关系，误差修正模型可以描述消费的短期波动如何向长期均衡水平回归。

货币需求函数：实际货币余额、产出和利率之间存在协整关系，这为货币政策制定提供了实证基础。

金融资产价格：不同市场之间（如现货与期货价格）存在的长期均衡关系可以通过协整模型进行套利策略设计和风险对冲。

5. 局限性与发展

协整理论并非没有局限。首先，标准的协整检验对结构突变（Structural Break）敏感——如果变量之间的关系在样本期内发生了结构性变化，检验可能错误地接受无协整的原假设。为此，Gregory-Hansen（1996）等提出了允许结构突变的协整检验方法。

其次，非线性协整（Nonlinear Cointegration）在近二十年取得了显著进展。传统协整假设长期关系是线性的，但在存在交易成本、政策阈值或制度转换的情况下，变量之间的调整过程可能呈现非线性特征，阈值协整（Threshold Cointegration）和马尔可夫转换协整（Markov-switching Cointegration）等模型应运而生。

此外，面板协整（Panel Cointegration）方法近年来也发展迅速，它利用横截面维度的信息来提高检验功效，特别适用于跨国比较等场景。

总体而言，协整理论是现代时间序列计量经济学的基石之一。它从根本上改变了经济学家处理非平稳数据的方式，使得研究者能够在非平稳的世界中识别出可信的经济关系。从方法论的角度看，协整理论代表着从"差分一切"到"寻找均衡"的范式转变——它承认经济系统的内在非平稳性，同时坚信长期经济规律的存在。