高级计量分析（时间序列分解——趋势分解）.docVIP

时间序列分解——趋势分解 一、研究目的 传统的经济计量方法是以经济理论为基础来描述变量关系的模型。但经济理论通常不足以对变量之间的动态联系提供一个严密的说明，而且内生变量既可以出现在方程的左端又可以出现在方程的右端使得估计和推断变得更加复杂。为了解决这些问题而出现了一种用非结构方法来建立各个变量之间关系的模型，如向量自回归模型（vector autoregression,VAR）和向量误差修正模型（vector error correction model,VEC）。 在季节调整案例中，介绍了如何对经济时间序列进行分解，但在季节调整方法中，趋势和循环要素视为一体不能分开。本案例专门讨论如何将趋势和循环要素进行分解的方法。测定长期趋势有多种方法，比较常用的方法有回归分析法、移动平均法、阶段平均法、HP（Hodrick-Prescott）滤波算法和频谱滤波算法（frequency(bandpass)filter,BP滤波）。本案例主要介绍HP滤波算法和BP频谱滤波算法。 二、滤波算法的原理 1、HP滤波算法 设是包含趋势成分和波动成分的经济时间序列， 是趋势成分， 是波动成分。则： HP滤波算法就是从中将分解出来。一般的，时间序列中的可观测部分趋势常被定义为下面最小化问题的解： （1） 其中，是延迟算子多项式：