第十章时间序列材料.ppt

第十章 时间序列分析 内容提要 第一节 时间序列的基本概念 第二节 时间序列的平稳性检验 第三节 协整分析 第四节 误差修正模型 第五节 格兰杰因果关系检验 第一节 时间序列的基本概念 一、时间序列 随机过程：随时间由随机变量组成的一个有序序列称为随机过程。用{Xt,t?T}表示。简记为{Xt}或Xt。 时间序列：随机过程的一次观测结果称为时间序列。也用{Xt,t?T}表示，并简记为{Xt}或Xt。时间序列中的元素称为观测值。 二、时间序列的数字特征 设{Xt，t=1,2,┅}是一个时间序列，称： μ(t)=E(Xt) (t=1,2,┅) 为时间序列{Xt，t=1,2,┅}的均值函数。 由于固定的t，yt是一个随机变量，所以E(Xt) 是一个确定的数。当t变化时，μ(t)是t的一个函数，它是时间序列{Xt，t=1,2,┅}的所有样本函数在时刻t的函数值的平均。 2、自协方差函数 设{Xt，t=1,2,┅}是一个时间序列，称： r(t,s)=Cov(Xt,Xs)=E[(Xt-E(Xt))(Xs-E(Xs))] (t,s=1,2,┅) 为时间序列{Xt，t=1,2,┅}的自协方差函数。 若t=s，则称：r(t,t)=Cov(Xt,Xt)=E[(Xt-E(Xt))]2=Var(Xt) (t=1,2,┅)为时间序列{Xt，t=1,2,┅}的方差函数，记为σ2t 。它表示时间序列{Xt，t=1,2,┅}在时刻t对于均值μ(t)的偏离程度。 3、自相关函数 设{Xt，t=1,2,┅}是一个时间序列，称： 假定某个时间序列是由某一随机过程（stochastic process）生成的，即假定时间序列{Xt}（t=1, 2, …）的每一个数值都是从一个概率分布中随机得到，如果满足下列条件： （1）均值 E(Xt) =μ是与时间t无关的常数，t=1,2,… （2）方差 Var(Xt) = E(Xt -μ)2 =σ2是与时间t无关的常数，t =1,2,… （3）协方差Cov(Xt, Xt+k）= E [(Xt -μ)(Xt+k -μ)]＝ rk是只与时期间隔k有关，与时间t 无关的常数， t=1,2,…，k≠0。 则称该随机时间序列是平稳的（stationary)，而该随机过程是平稳随机过程（stationary stochastic process）。 易知它的自相关函数ρ(t,t+k)也仅与时间间隔k有关。则有： 非平稳性（non-Stationarity）：时间序列的统计规律随着时间的位移而发生变化，即统计特征随时间而变化。 只要平稳性的三个条件不全满足，则该时间序列是非平稳的。事实上，大多数经济时间序列是非平稳的。 如果使用非平稳序列进行回归，容易出现两个独立的序列表现出强相关关系，统计检验显著的现象，称为伪回归（spurious regression） 判断伪回归的经验法则： Granger Newbold（1974）提出当用时间序列数据进行回归时，如果R2在数值上大于DW统计量，就有理由怀疑伪回归存在。 一般认为，如果序列非平稳，不能使用回归模型，这应该视作一个基本规则。 所以，在用时序数据进行回归时，首先要判断序列是否平稳，要进行平稳性检验。 第二节 时间序列的平稳性检验 一、利用散点图进行平稳性检验 一个平稳的时间序列在图形上往往表现出一种围绕其均值不断波动的过程； 而非平稳序列则往往表现出在不同的时间段具有不同的均值（如持续上升或持续下降）。 二、利用样本自相关函数进行平稳性判断 2、DF检验[迪基-富勒(Dickey-Fuller)] 进一步的问题：在上述使用： ?Xt=?Xt-1+ut 对时间序列进行平稳性检验中，实际上假定了时间序列是由具有白噪声随机误差项的一阶自回归过程AR(1)生成的。 但在实际检验中，时间序列可能由更高阶的自回归过程生成的，或者随机误差项并非是白噪声，这样用OLS法进行估计均会表现出随机误差项出现自相关，导致DF检验无效。 另外，如果时间序列包含有明显的随时间变化的某种趋势（如上升或下降），则也容易导致上述检验中的自相关随机误差项问题。 为了保证DF检验中随机误差项的白噪声特性，Dicky和Fuller对DF检验进行了扩充，形