6多元时间序列分析分析.ppt

第六章 多元时间序列分析 本章结构 6.1 平稳多元序列建模 ARIMAX模型结构 例6.1 在天然气炉中，输入的是天然气，输出的是 ， 的输出浓度与天然气的输入速率有关。现在以中心化后的天然气输入速率为输入序列，建立 的输出百分浓度模型。 输入/输出序列时序图 输入序列 输出序列 一元分析 拟合输入序列 拟合输出序列 多元分析 协相关图 拟合ARIMAX模型 模型结构 模型口径 残差序列分析 偏自相关图 残差拟合模型 拟合模型比较 ARIMAX模型拟合效果图 本章结构 6.2 虚假回归 假设条件 检验统计量 虚假回归 伪回归随机模拟试验 1974年，Granger和Newbold进行了非平稳序列伪回归的随机模拟试验，检验结果说明在非平稳的场合，参数显著性检验犯第一类错误的概率远远大于显著性水平，伪回归显著成立。这导致多元非平稳序列的分析埋有隐患。 试验设计思想：分别拟合两个随机游走序列： 其中： 构建关于的回归模型： ，并进行参数显著性检验。 试验结果 由于这是两个独立的随机游走模型，所以理论上它们应该没有任何相关性，即模型检验应该显著支持 的假设。如果模拟结果显示拒绝原假设的概率远远大于拒真概率 ，即认为伪回归显著成立。 大量随机拟合的结果显示，每100次回归拟合中，平均有75次拒绝 的假设，拒真概率高达75%。这说明在非平稳的场合，参数显著性检验犯拒真错误的概率远远大于 ，伪回归显著成立。 伪回归产生原因 本章结构 单位根检验的重要性 由于虚假回归问题的存在，所以在进行动态回归模型拟合时，必须先检验各序列的平稳性。只有当各序列都平稳时，才可以大胆地使用模型拟合多元序列之间的动态回归关系。 在前面我们已经介绍过序列平稳性的图检验方法，由于图检验带有很强的主观色彩，为了客观起见，人们开始研究各种序列平稳性的统计检验方法，其中应用最广的是单位根检验。 单位根检验的定义 单位根检验 通过检验特征根是在单位圆内还是单位圆上（外），来检验序列的平稳性 方法 DF检验 ADF检验 PP检验 DF检验（AR(1)模型为例） 假设条件 原假设：序列非平稳 备择假设：序列平稳 检验统计量 时 时 DF检验的等价表达 等价假设 检验统计量 DF检验的三种类型 第一种类型 第二种类型 第三种类型 DF统计量 时 时 DF检验的等价表达 记 AR(1)模型等价为 平稳性检验的假设条件为 DF统计量为 DF检验的三种类型 第一种类型：无漂移项自回归过程 这种类型的序列称为不带漂移项的差分平稳（difference stationary）序列，简记为DS序列。该序列均值非平稳，方差非齐，但一阶差分平稳。 第二种类型：带漂移项自回归过程 这种类型的序列称为带漂移项的差分平稳序列。整理该序列可以发现这是一个有趋势，且波动性不断增加的非平稳序列 第三种类型：带趋势回归过程 这种类型的序列称为趋势平稳（trend stationary）序列，简记为TS序列。对趋势平稳序列最好是通过拟合线性模型提取序列中的相关关系，实现残差序列平稳 例6.2 拟合趋势平稳序列 考察该序列差分后残差序列和提取线性趋势后残差的波动性。 序列时序图及趋势 残差序列时序图 例6.3 拟合趋势平稳序列 考察该序列差分后残差序列和提取线性趋势后残差的波动性。 序列时序图 差分后残差序列时序图 差分后残差序列时序图 残差序列95%的点在 （-28,28）之间波动 趋势拟合后残差序列时序图 残差序列95%的点在 （-20,20）之间波动 例6.4 对1978年－2002年中国农村居民家庭人均纯收入对数序列 和生活消费支出对数序列 进行检验 输入序列的DF检验 收入序列单位根检验结果 对于收入序列的检验结果显示，无论考虑何种类型的模型，单位根检验的P值显著大于显著性水平，所以可以认为中国农村居民家庭人均纯收入对数序列显著非平稳，且这六种处理均不能实现残差序列平稳。 输出序列的DF检验 支出序列单位根检验结果 对于支出序列的检验结果显示，无论考虑何种类型的模型，单位根检验的P值均大于显著性水平，所以可以认为中国农村居民家庭人均支出对数序列显著非平稳，且这六种处理均不能实现残差序列平稳。 ADF检验 DF检验只适用于AR(1)过程的平稳性检验 。为了使检验能适用于AR(p)过程的平稳性检验，人们对检验进行了一定的修正，得到增广检验（Augmented Dickey－Fuller），简记为ADF检验