2.3.时间序列模型.ppt

ADF检验在Eviews中的实现—GDPP 从GDPP(-1)的参数值看，其t统计量的值大于临界值（单尾），不能拒绝存在单位根的零假设。同时，由于时间项T的t统计量也小于ADF分布表中的临界值（双尾），因此不能拒绝不存在趋势项的零假设。需进一步检验模型2 。 * ADF检验在Eviews中的实现—GDPP * ADF检验在Eviews中的实现—GDPP 从GDPP(-1)的参数值看，其t统计量的值大于临界值（单尾），不能拒绝存在单位根的零假设。同时，由于常数项的t统计量也小于ADF分布表中的临界值（双尾），因此不能拒绝不存在趋势项的零假设。需进一步检验模型1。 * ADF检验在Eviews中的实现—GDPP * ADF检验在Eviews中的实现—GDPP 从GDPP(-1)的参数值看，其t统计量的值大于临界值（单尾），不能拒绝存在单位根的零假设。至此，可断定GDPP时间序列是非平稳的。 * ADF检验在Eviews中的实现—△GDPP * ADF检验在Eviews中的实现—△GDPP 从△GDPP(-1)的参数值看，其t统计量的值大于临界值（单尾），不能拒绝存在单位根的零假设。同时，由于时间项项T的t统计量也小于AFD分布表中的临界值（双尾），因此不能拒绝不存在趋势项的零假设。需进一步检验模型2 。在1%置信度下。 * ADF检验在Eviews中的实现—△GDPP 如果将置信度从1%降低至10%，将拒绝存在单位根和不存在时间趋势项的假设，得到△GDPP是平稳序列的结论，进而得到GDPP是I(1)序列。 * ADF检验在Eviews中的实现—△GDPP 从△GDPP(-1)的参数值看，其统计量的值大于临界值（单尾），不能拒绝存在单位根的零假设。同时，由于常数项的t统计量也小于AFD分布表中的临界值（双尾），因此不能拒绝不存在趋势项的零假设。需进一步检验模型1。 * ADF检验在Eviews中的实现—△GDPP 从△GDPP(-1)的参数值看，其统计量的值大于临界值（单尾），不能拒绝存在单位根的零假设。至此，可断定△GDPP时间序列是非平稳的。 * ADF检验在Eviews中的实现—△2GDPP * ADF检验在Eviews中的实现—△2GDPP * ADF检验在Eviews中的实现—△2GDPP * ADF检验在Eviews中的实现—△2GDPP 从△2GDPP(-1)的参数值看，其统计量的值小于临界值（单尾），拒绝存在单位根的零假设。至此，可断定△2GDPP时间序列是平稳的。 GDPP是I(2)过程。 * §2.3 时间序列平稳性和单位根检验 一、时间序列的平稳性 二、单整序列 三、单位根检验 * 一、时间序列的平稳性Stationary Time Series * ⒈问题的提出 经典计量经济模型常用到的数据有： 时间序列数据（time-series data)； 截面数据(cross-sectional data) 平行/面板数据（panel data/time-series cross-section data) 时间序列数据是最常见，也是最常用到的数据。 经典回归分析暗含着一个重要假设：数据是平稳的。 * 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”（Spurious Regression）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。 例如：如果有两列时间序列数据表现出一致的变化趋势（非平稳的），即使它们没有任何有意义的关系，但进行回归也可表现出较高的可决系数。 * 2、关于经典模型理论基础的思考 经典计量经济学模型基于截面数据进行建构。截面数据的关键特征是，数据来自于随机抽样，数据顺序与计量分析无关。随机抽样隐含了待界定的特定总体。 在Gauss-Markov假设下，可以采用普通最小二乘法（或极大似然法或贝叶斯方法）得到线性模型参数的无偏、有效的估计量。 在经典模型中，通常假定误差项服从正态分布。大数定律提供了Gauss-Markov估计量的一致性，即渐进无偏性。而中心极限定理，则可能为大样本下误差项渐进服从正态分布提供支持，并保证了Gauss-Markov估计量的渐进有效性。 * 只要Gauss-Markov假设隐含的总体模型方程足够现实，我们按照特定的统计法则估计的总体参数将是无偏、有效、一致的；只要样本容量足够大，估计得到的总体模型方程与自在的原型方程的偏差是可以忽略的。 * 从总体原型的自然属性来看，有两种基本总体原型： 一是静态的总体原型，主要是经济因素之间不随时间演变的静态平衡结构，力图揭示经济系统的平衡关系法则，对应的总体是不随时间变化的静态随机分布，通常利用截面数据来估计总体模型参数。 二是动态的总体原型，