0、问题的提出 经典回归模型( classical regression model)是建立在稳定 数据变量基础上的,对于非稳定变量,不能使用经典回归 模型,否则会出现虛假回归等诸多问题。 由于许多经济变量是非稳定的,这就给经典的回归分析方 法带来了很大限制。 但是,如果变量之间有着长期的稳定关系,即它们之间是 协整的( cointegration,则是可以使用经典回归模型方法 建立回归模型的。 例如,中国居民人均消费水平与人均GDP变量的例子中: 因果关系回归模型要比ARMA模型有更好的预测功能, 其原因在于,从经济理论上说,人均GDP决定着居民人均 消费水平,而且它们之间有着长期的稳定关系,即它们之 间是协整的( cointegration)。0、问题的提出 • 经典回归模型（classical regression model）是建立在稳定 数据变量基础上的，对于非稳定变量，不能使用经典回归 模型，否则会出现虚假回归等诸多问题。 • 由于许多经济变量是非稳定的，这就给经典的回归分析方 法带来了很大限制。 • 但是，如果变量之间有着长期的稳定关系，即它们之间是 协整的（cointegration)，则是可以使用经典回归模型方法 建立回归模型的。 • 例如，中国居民人均消费水平与人均GDP变量的例子中： 因果关系回归模型要比ARMA模型有更好的预测功能， 其原因在于，从经济理论上说，人均GDP决定着居民人均 消费水平，而且它们之间有着长期的稳定关系，即它们之 间是协整的（cointegration）