第十章时间序列分析1.pptVIP

计量经济学—理论·方法·EViews应用 郭存芝 杜延军 李春吉 编著;第十章 时间序列分析;第十一章 时间序列分析;第一节 时间序列数据分析概述;;数据非平稳，大样本下的统计推断基础——“一致性”要求——被破怀。 数据非平稳，往往导致出现“虚假回归”问题。 表现为两个本来没有任何因果关系的变量，却有很高的相关性。;平稳时间序列过程意味着，如果我们从这个序列中任取一个随机变量集，并把这个序列向前移动h个时期，那么其联合概率分布仍然保持不变。在实践操作层面上，如果我们想通过回归分析考察两个或者多个变量之间的关系，就需要假定某种跨时期的平稳性。;平稳性的定义;平稳性关系到一个过程在时间推移过程中的联合分布，弱相关则是与平稳性完全不同的概念，随着随机变量 和 之间时间距离h的变大，弱相关对二者的相关程度施加限定。 对于一个平稳时间序列过程 若随着h无限增大， 和 “近乎独立”，则称之为弱相关。;在多元回归分析中使用平稳而又弱相关的时间序列最为理想。不是弱相关的时间序列，往往会导致多元回归分析中的虚假回归问题。;一个独立序列无疑是弱相关序列，因此独立同分布序列是弱相关时间序列。弱相关序列的一个例子是：;弱相关序列的另一个更为常见的例子是：;不平稳的随机过程则称为非平稳过程（nonstationary process） ;随机游走的定义 ;随机游走的方差是时间的线性函数，随着时间而递增，是一个非平稳过程。通常随机游走过程也包含了明显的趋势，如带漂移的随机游走（random walk with drift）:;类似随机游走（带或不带漂移项）这样的单位根过程，一旦用于回归分析，则可能导致误导性的结果，幸运的是，只要做一些简单变换，就可以使单位根过程变成弱相关的过程。;第二节、单位根检验 （unit root test）;弱相关过程被称为0阶单整，表示为I(0)。在回归分析中利用0阶单整之前，没有必要对这种时间序列进行任何处理。 单位根过程，例如随机游走（带或不带漂移项）被称为一阶单整，表示为I(1)。 一阶单整时间序列的一阶差分则是弱相关的，而且通常是平稳的，因此I(1)时间序列常常被称为差分平稳过程。 如果一个序列在称为稳定序列之前必须经过d次差分，则该序列被称为d阶单整，表示为I(d)。 ;一、DF检验（Dicky-Fuller Test） ;一般检验模型;但是，在零假设（序列非平稳）下，即使在大样本下t统计量也是有偏误的（向下偏倚），通常的t 检验无法使用。 Dicky和Fuller于1976年提出了这一情形下t统计量服从的分布（这时的t统计量称为?统计量），即DF分布。 由于t统计量的向下偏倚性，它呈现围绕小于零均值的偏态分布。;如果t临界值，则拒绝零假设H0： =0，认为时间序列不存在单位根，是平稳的。;二、ADF检验（Augment Dickey-Fuller test） ;ADF检验模型;检验过程 实际检验时从模型3开始，然后模型2、模型1。 何时检验拒绝零假设，即原序列不存在单位根，为平稳序列，何时停止检验。 否则，就要继续检验，直到检验完模型1为止。 检验原理与DF检验相同，只是对模型1、2、3进行检验时，有各自相应的临界值表。 检验模型滞后项阶数的确定：以随机项不存在序列相关为准则。;一个简单的检验过程： 同时估计出上述三个模型的适当形式，然后通过ADF临界值表检验原假设H0： =0。 只要其中有一个模型的检验结果拒绝了原假设，就可以认为时间序列是平稳的； 当三个模型的检验结果都不能拒绝原假设时，则认为时间序列是非平稳的。;三、ADF单位根检验在Eviews中的实现;Eviews 中提供的检验方法;Eviews 中提供的滞后阶数选择;1、单整;现实经济生活中只有少数经济指标的时间序列表现为平稳的，如利率等; 大多数指标的时间序列是非平稳的，例如，以当年价表示的消费、收入等常是2阶单整的，以不变价格表示的消费、收入等常表现为1阶单整。 大多数非平稳的时间序列一般可通过一次或多次差分的形式变为平稳的。 但也有一些时间序列，无论经过多少次差分，都不能变为平稳的。这种序列被称为非单整的（non-integrated）。;2、趋势平稳与差分平稳随机过程 ;判断一个非平稳时间序列的趋势是随机性的还是确定性的，可通过ADF检验中所用的第3个模型进行。 该模型中已引入了表示确定性趋势的时间变量，即分离出了确定性趋势的影响。 如果检验结果表明所给时间序列有单位根，且时间变量前的参数显著为零，则该序列显示出随机性趋势； 如果没有单位根，且时间变量前的参数显著地异于零，则该序列显示出确定性趋势。 ;差分平稳过程和趋势平稳过程 具有随机性趋势的时间序列通