輸入命令：lsd(lnex)d(lnim)d(lnpt)et(-1)，結果如圖1122所示。
圖1122
從圖1122可知，d(lnpt)沒有通過顯著性檢驗，現在去掉此序列，重新回歸：
lsd(lnex)d(lnim)et(-1)，結果如圖1123所示。
圖1123
寫出標準格式ECM模型回歸結果如下：
DLNEX = 0.757*DLNIM - 0.458*ET(-1)R2=0.618
t:(12.23)(-4.54)DW=1.788
方程的回歸係數通過了顯著性檢驗，誤差修正係數為負，符合反向修正機製。
本章小結
1. 要對方程式Y=C0+C1*X1+C2*X2 進行回歸分析，進行最小二乘估計要滿足下列條件中的一個：① Y、X1、X2三個時間序列必須是0階單整的，即Y、X1、X2三個時間序列是平穩的。② Y、X1、X2三個時間序列是非平穩的，但是Y、X1、X2三個時間序列是同階單整的，回歸方程必須通過協整檢驗。
2. 假設Y、X1、X2都是1階單整的，在進行最小二乘估計之後，導出估計方程的殘差項，複製粘貼數據到新的變量et，對et變量進行單位根檢驗，若檢驗結果表明et是平穩的時間序列，即et是0階單整的時間序列，那麽該回歸結果就通過了EG協整檢驗，之前的回歸結果就不會因為各個變量的不平穩性出現偽回歸的現象。
3. 建立誤差修正模型，首先對變量進行協整分析，以發現變量之間的協整關係，即長期均衡關係，並以這種關係構成誤差修正項。 然後建立短期模型，將誤差修正項看作一個解釋變量，連同其他反映短期波動的解釋變量一起，建立短期模型，即誤差修正模型。
思考與練習
1. 用圖形及QLB法檢驗1978—2002年居民消費總額時間序列的平穩性，數據如表1所示。
表1
年份居民消費總額年份居民消費總額年份居民消費總額
19781759.1
19792005.4
19802317.1
19812604.1
19822867.9