8 时间序列计经济学模型.pptxVIP

第八章 时间序列计量经济学模型 1 2 §8.1 时间序列平稳性和单位根检验Stationary Time Serial and Unit Root Test 一、时间序列的平稳性 二、单整序列 三、单位根检验 3 经典时间序列分析模型： 包括MA、AR、ARMA模型 平稳时间序列模型 分析时间序列自身的变化规律 现代时间序列分析模型： 分析时间序列之间的结构关系 单位根检验、协整检验是核心内容 现代宏观计量经济学的主要内容 4 一、时间序列的平稳性Stationary Time Series 5 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。 6 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。 7 2、平稳性的定义 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： 均值E(Xt)=?是与时间t 无关的常数； 方差Var(Xt)=?2是与时间t 无关的常数； 协方差Cov(Xt,Xt+k)=?k 是只与时期间隔k有关，与时间t 无关的常数； 则称该随机时间序列是平稳的（stationary)，而该随机过程是一平稳随机过程（stationary stochastic process）。 宽平稳、广义平稳 8 白噪声（white noise）过程是平稳的： Xt=?t ， ?t~N(0,?2) 随机游走（random walk）过程是非平稳的： Xt=Xt-1+?t ， ?t~N(0,?2) Var(Xt)=t?2 随机游走的一阶差分（first difference）是平稳的： ?Xt=Xt-Xt-1=?t ，?t~N(0,?2) 如果一个时间序列是非平稳的，它常常可通过取差分的方法而形成平稳序列。 9 二、平稳性的图示判断 10 说明 本节的概念是重要的，属于经典时间序列分析。 在实际应用研究中，一般直接采用单位根检验，图示判断应用较少。 建议作为自学内容。 11 三、平稳性的单位根检验 （unit root test） 12 1、DF检验（Dicky-Fuller Test） 通过上式判断Xt是否有单位根,就是时间序列平稳性的单位根检验。 随机游走，非平稳 对该式回归，如果确实发现ρ=1，则称随机变量Xt有一个单位根。 等价于通过该式判断是否存在δ=0。 13 一般检验模型 零假设 H0：?=0 备择假设 H1：?0 可通过OLS法下的t检验完成。 14 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。 15 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。 单尾检验 16 2、ADF检验（Augment Dickey-Fuller test） 为什么将DF检验扩展为ADF检验？ DF检验假定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，或者随机误差项并非是白噪声，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。 如果时间序列含有明显的随时间变化的某种趋势（如上升或下降），也容易导致DF检验中的自相关随机误差项问题。 17 ADF检验模型 零假设 H0：?=0 备择假设 H1：?0 模型1 模型2 模型3 18 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D