ECM模型

所属分类：计量经济模型

这个方法是做什么的

两条经济序列长期绑在一起、短期又会互相偏离时，用误差修正模型把这两件事分开建模。做法是 Engle-Granger 两步法：第一步用水平值做回归，得到长期均衡关系；第二步取长期回归残差的滞后一期作为“误差修正项”，与各变量的一阶差分一起构成短期动态方程。误差修正项的系数 γ 就是调整速度——|γ| 是每期修正掉的偏离比例，它必须显著为负且落在 (−1, 0) 之间，机制才成立。

除了这两张系数表，第一张卡先验两个前提：逐变量的水平值与一阶差分双重 ADF 检验（判单整阶数），以及 Engle-Granger 协整检验。第四张卡给调整速度、偏离的半衰期及其置信区间、各自变量的长期与短期系数对照（含“短期/长期比”），再对 ECM 方程残差做 Durbin-Watson、Ljung-Box、Breusch-Pagan、Jarque-Bera 四项诊断。第三张卡的误差修正项时序图带 ±2 个残差标准差的参考带——这是本模块特有的着眼点：e_t 反复穿越 0 是协整成立的直观证据，长时间停在同一侧不回归就说明长期回归其实是伪回归。

需要准备什么数据

• 放入[定量]因变量 Y：1 个，定量变量（数值）
• 放入[定量]自变量 X (可多个)：1~50 个，定量变量（数值）

数据要求

• 数据表至少 30 行。
• 单列缺失率不超过 15%。
• 不接受取值全都一样的列（零方差列没有可分析的变异）。

以上条目由系统从该方法的校验规则直接生成，与上传数据时的实际拦截规则一致。

什么时候用它

• 消费与收入、价格与成本、汇率与利差这类“长期同步、短期会脱节”的关系
• 变量都是 I(1)：水平值非平稳，一阶差分平稳
• 既要长期弹性（或长期边际效应），又要“偏离后多久回到均衡”
• 想避开水平回归的伪回归风险，又不愿意直接差分掉长期信息

前提是行序即时间序——本模块不接受时间列，请先按时间排好序再上传。各变量应同阶单整，且 Y 与 X 之间必须真的存在协整关系，否则长期回归是伪回归、误差修正项失去经济含义。ECM 方程要做一阶差分再取一期滞后，相对长期回归会损失 2 个观测。

什么时候不要用它

• 变量本身已经平稳（I(0)）：不存在协整问题，直接用「线性回归 (最小二乘法)」，或按多变量系统建模用「VAR向量自回归模型」。
• 系统里可能存在不止一个协整向量：Engle-Granger 最多识别一个，第五张卡的解释边界明写了这一点；改用「协整检验」里的 Johansen 极大似然法。
• 只想判定平稳性或确定差分阶数：用「单位根检验(ADF)」或「差分分析」，不必上 ECM。
• 数据是个体 × 时期的面板而不是单一时间序列：用「面板模型」，被解释变量有惯性时用「系统GMM动态面板」。
• 只想知道谁在预测上领先于谁：那是另一个问题。注意「格兰杰因果检验」要求序列平稳，而能进 ECM 的数据是 I(1)，所以它答的只能是差分后、即变化量之间的领先关系，与本模块的长期均衡不是一回事；不想自己处理平稳化就用「时间因果模型」，它的“非平稳时自动一阶差分”开关默认打开。

容易误读的地方

• 同一份报告里两张系数表的 p 值可信程度不一样。 长期回归的系数是超一致估计，但残差通常存在自相关，它的 t 统计量并不服从标准 t 分布——第二张卡的表注写明“显著性判读应结合协整检验（表3）而非仅看 p 值”。实测长期回归的 Durbin-Watson 只有 1.0745，第一张卡的判定列直接说“残差存在正自相关（DW<1.5），这是协整回归的常见现象，正因如此才需要 ECM 刻画短期动态”。相反，ECM 方程的表注写“ECM 方程的残差已不含单位根，其 t 检验为标准推断”。所以能按常规读的是短期那张表。
• 第一张卡里有两行都在检残差平稳，只有第一行算数。 Engle-Granger 那一行用的是针对“残差是估计出来的”而修正过的临界值；紧接着的“长期回归残差 e_t 的 ADF”用的是标准 ADF 临界值，判定列里就注明“对协整残差偏宽松，应以上一行的 Engle-Granger 检验为准”。实测两个统计量分别是 −7.5181 与 −7.4935，数值几乎一样，很容易被当成两项独立证据互相印证，其实是同一件事的严格版与宽松版。
• γ 的符号和取值范围比它的 p 值更要紧。 表注把三种情形分得很清楚：γ 应显著为负且落在 (−1, 0) 区间，|γ| 即每期修正掉的偏离比例；γ ≤ −1 表示过度修正（振荡收敛）；γ ≥ 0 则不存在误差修正机制。实测 γ = −0.5346、95%CI [−0.6749, −0.3943]，读作每期修正 53.5% 的偏离、半衰期约 0.906 期。一个显著但为正的 γ 不是“修正得很快”，而是模型不成立。
• ECM 方程的 R² 天生比长期回归低得多，这不是模型差。 实测长期回归 R² = 0.9741、ECM 方程 R² = 0.5183，第四张卡的释义列原话是“通常远低于长期回归，属正常”。原因很简单：前者解释的是水平值（含趋势，本来就好解释），后者解释的是一阶差分（趋势已被去掉）。两个数的被解释对象不同，横比没有意义，更不能拿 0.5183 说“短期方程解释力不足”。
• 协整成立不等于因果成立。 第五张卡的解释边界写明协整关系刻画的是长期共同趋势，并不等同于因果关系。两条各自带趋势的序列可能因为第三个共同趋势而被判为协整，此时 γ 显著为负也只说明它们会一起回到某条固定的线性组合上，说不了谁推动谁。要谈方向得另做研究设计，「格兰杰因果检验」也只给预测意义上的先后。

报告里有什么

1. 输出结果一：数据概览与前提检验
2. 输出结果二：长期协整回归与短期误差修正模型
3. 输出结果三：系数与误差修正项可视化
4. 输出结果四：效应量与残差诊断
5. 输出结果五：结论与学术表述