伍德里奇 第十一章.pdfVIP

第十一章 OLS 用于时间序列数据的其他问题 （时间序列模型中OLSE 的大样本性质） 回顾： 假定1. 线性模型（y ＝Xβ+u） OLSE OLSE 无偏 有效性 假定3. x 无多重共线性 正态性 性 （OLSE 假定2. u 零条件均值（X 严外生） （t、F 统 最小方差 假定4. u 条件同方差 计量分 性） 假定5. u 无序列相关 布的基 假定6. u （y ）服从条件正态分布 础） 假定3.和假定6.是两个严假定，时间序列数据经常不能满足。OLS 的适 用性必须借助于 OLSE 的大样本性质－一致性（包括了渐进无偏性）、渐进 正态性。 §1.平稳和弱相依时间序列 一、平稳和非平稳时间序列 所谓时间序列的平稳性（严格说是时间序列的生成过程－随机过程的抛 物线），是指时间序列的统计规律（生成过程）不会随着时间的推移而发生 变化。直观上，一个产生自平稳随机过程的时间序列可以看作一条围绕其均 值上下波动的曲线。从理论上，有两种意义的平稳性： 严平稳：指产生时间序列的随机过程｛y ｝的联合分布函数与时间的位 t 移无关。 弱平稳（协方差平稳）：指指产生时间序列随机过程｛y ｝的期望、方差 t 和协方差不随时间推移而变化。若｛y ｝满足 t 1. E (y ) u t 2. Var( y ) r 2 t 0 3. Cov( y , y ) Cov( y , y ) r(t s,0) r t s t h sh t s 则称｛y ｝为弱平稳随机过程。 t 二者关系：如果存在二阶矩，严平稳→协方差平稳。（本教材的“平稳” 大多数指严格平稳）。 上一章的假定中，随机项是弱平稳的（为什么？），（由于假定了x 是严 格外生的，没有必要对x、y 作出假定） 4 DJPY 2 0 -2 -4 20 40 60 80 100 120 140 160 180 200 日元对美元汇率的收益率序列 110 105 100 95 90 85 JPY 80 50 100 150 200