计量经济学时间序列分析报告.pptVIP

内容回顾： 什么是虚拟变量？ 它有什么作用？ 引入虚拟变量的方式有几种？各在什么情况下引入？ CHOW（邹）检验需要首先判断出什么点？如何操作？其检验的原理是什么？CHOW检验的自由度如何确定？ 第四章 时间序列 第一节 时间序列的平稳性及其检验 第二节 时间序列模型的识别、估计、预测 第三节 协整分析与误差修正模型 一、问题的引出：非平稳变量与经典回归模型 1.经典回归模型与数据的平稳性 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。 经典回归分析的假设之一：解释变量X是非随机变量，只能有一个均值。因变量无此限制。 放宽该假设：X是随机变量，则需进一步要求： (1)X与随机扰动项 ? 不相关∶Cov(X,?)=0 表现在:两个本来没有任何因果关系的变量，却有很高的相关性（有较高的R2)： 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。 在现实经济生活中： 情况往往是实际的时间序列数据是非平稳的，而且主要的经济变量如消费、收入、价格往往表现为一致的上升或下降。这样，仍然通过经典的因果关系模型进行分析，一般不会得到有意义的结果。 二、时间序列数据的平稳性 时间序列分析中首先遇到的