时间序列模型-怎样建立AR模型.docVIP

案例分析1：中国人口时间序列模型（file:b2c1）（怎样建立AR模型） 图2.11 中国人口序列（1949-2000） 图2.12 中国人口一阶差分序列（1950-2000） 13.4‰。从人口序列的变化特征看，这是一个非平稳序列。 见人口差分序列图。建国初期由于进入和平环境，同时随着国民经济的迅速恢复，人口的年净增数从1950年的1029万人，猛增到1957年的1825万人。由于粮食短缺，三年经济困难时期是建国后我国惟一一次人口净负增长时期（1960，1961），人口净增值不但没有增加，反而减少。随着经济形势的好转，从1962年开始人口年增加值迅速恢复到1500万的水平，随后呈连年递增态势。1970年是我国历史上人口增加最多的一个年份，为2321万人。随着70年代初计划生育政策执行力度的加强，从1971年开始。年人口增加值逐年下降，至1980年基本回落到建国初期水平。1981至1991年人口增加值大幅回升，主要原因是受1962—1966年高出生率的影响（1963年为43.73‰）。这种回升的下一个周期将在2005年前后出现，但强势会有所减弱。从数据看，1992年以后，人口增加值再一次呈逐年下降趋势。由于现在的人口基数大于以往年份，所以尽管年增人口仍在1千万人以上，但人口增长率却是建国以来最低的（1996年为10.5‰）。从Δyt的变化特征看，1960，1961年数据可看作是两个离群值，其它年份数据则表现为平稳特征。但也不是白噪声序列，而是一个含有自相关和（或）移动平均成分的平稳序列。 下面通过对人口序列yt和人口差分序列Dyt的相关图，偏相关图分析判别其平稳性以及识别模型形式。 图2.13 yt的相关图，偏相关图 图2.14 Dyt的相关图，偏相关图（虚线到中心线的距离是2 (1/) = 0.28） yt是非平稳序列。人口差分序列Dyt是平稳序列。应该用Dyt建立模型。因为Dyt均值非零，结合图2.14拟建立带有漂移项的AR(1)模型。估计结果如下： Dyt = 0.1429 + 0.6171 (Dyt-1 - 0.1429) + vt (8.7) (5.4) R2 = 0.38, Q(10) = 5.2, Q( (k-p-q) = Q0.05 (10-1-0-1) = 15.5 模型参数都通过了显著性t检验。 注意： （1）根据Wold分解yt - 0.1429) 建立AR(1)模型，而不是对Dyt建立AR(1)模型。 （2）整理输出结果： Dyt = 0.1429 (1-0.6171) + 0.6171 Dyt-1 + vt = 0.0547 + 0.6171 Dyt-1 + vt 漂移项( = 0.0547，特征根是1 / 0.62 = 1.61。 输出结果中的0.1429是Dyt的均值，不是模型漂移项。以AR(1)过程xt=(+(( xt-1 + ut为例，两侧求期望，得均值( 和漂移项(0的关系是 E(xt) ==( ，或 ( =( (1-(() 对整理后的输出结果两侧求期望，就会反求出( = 0.0547/ (1-0.6171) = 0.1429 （3）有没有漂移项对求特征方程和特征根无影响。 模型残差的相关图和偏相关图如下， 图2.15 表2.5中模型（1）残差序列的相关图，偏相关图 Q(10) = 5.2 (20.05( 10-1-0) = 16.9 可以认为模型误差序列为非自相关序列。 EViews操作方法：从EViews主菜单中点击Quick键，选择Estimate Equation功能。随即会弹出Equation specification对话框。输入漂移项非零的AR(1)模型估计命令（C表示漂移项）如下： D(Y) C AR(1) 注意：不能把命令中的AR(1)写成DY (-1))（写成DY (-1))意味着做OLS估计）。 （2）写成D(Y)的好处是EViews可以直接对Y、D(Y)进行预测。 （3）模型中若含有移动平均项，EViews命令用MA(q)表示。 （4）估计的时间序列模型的R2不可能很高。因为变量差分后损失了很多信息。 （5）估计的模型是否成立应该从3个方面检查，①模型参数估计量必须通过t检验；②全部的特征根的倒数必须在单位圆以内；③模型的残差序列必须通过Q检验y2001 = 0.0547 + 0.6171 Dy2000 + v2001 = 0.0547 + 0.6171( 0.0957 +0= 0.1138 y2001 = y2000 + Dy2001 = 12.6743 + 0.1138 = 12.7881 EViews给出的预测值是12.78