ADF时间序列数据平稳性检验实验指导.doc

实验一 时间序列数据平稳性检验实验指导 一、实验目的： 理解经济时间序列存在的不平稳性，掌握对时间序列平稳性检验的步骤和各种方法，认识利用不平稳的序列进行建模所造成的影响。 二、基本概念： 如果一个随机过程的均值和方差在时间过程上都是常数，并且在任何两时期的协方差值仅依赖于该两个时期间的间隔，而不依赖于计算这个协方差的实际时间，就称它是宽平稳的。 时序图 ADF检验 PP检验 三、实验内容及要求： 1、实验内容： 用Eviews5.1来分析1964年到1999年中国纱产量的时间序列，主要内容： （1）、通过时序图看时间序列的平稳性，这个方法很直观，但比较粗糙； （2）、通过计算序列的自相关和偏自相关系数，根据平稳时间序列的性质观察其平稳性； （3）、进行纯随机性检验； （4）、平稳性的ADF检验； （5）、平稳性的pp检验。 2、实验要求： （1）理解不平稳的含义和影响； （2）熟悉对序列平稳化处理的各种方法； （2）对相应过程会熟练软件操作，对软件分析结果进行分析。 四、实验指导 （1）、绘制时间序列图 时序图可以大致看出序列的平稳性，平稳序列的时序图应该显示出序列始终围绕一个常数值波动，且波动的范围不大。如果观察序列的时序图显示出该序列有明显的趋势或周期，那它通常不是平稳序列，现以1964-1999年中国纱年产量序列（单位：万吨）。工作文件中国纱年产量序列导入 图创建新序列SHA，如图。点击主菜单Quick/Graph就可作图，见图，分别是折线图（Line graph）、条形图（Bar graph）、散点图（Scatter）等，也可双击序列名，出现显示电子表格的序列观测值，然后点击工具栏的View/Graph。如果选择折线图，出现图的对话框，在此对话框中键入要做图的序列，点击OK则出现折线图，横轴表示时间，纵轴表示纱产量，见图，选择图上工具栏options可以对折线图做相应修饰。点击主菜单的Edit/Copy，然后粘贴到文档就变成了如图的折线图。 图 图 图 图从图1可以看出，纱产量呈现波动中上升的趋势，显然不平稳，所以不是一个平稳序列。这一结论，还可以通过平稳性统计检验来进一步说明。 、平稳性判断 为了进一步的判断序列SHA的平稳性，需要绘制出该序列的自相关图。双击序列名sha出现序列观测值的电子表格工作文件，点击View/Correlogram，出现图1的相关图设定对话框，上面选项要求选择对谁计算自相关系数：原始序列（Level）、一阶差分（1st difference）和二阶差分（2nd difference），默认是对原始序列显示相关图。下面指定相关图显示的最大滞后阶数k，若观测值较多，k可取或；若样本量较小k一般取（表示时间序列观测值个数，表明不超过其的最大整数）。若序列是季节数据，一般k取季节周期的整数倍。设定完毕点击OK就出现图1的序列相关图和相应的统计量。 图 图相关图的左半部分是自相关和偏自相关分析图，垂立的两道虚线表示2倍标准差。右半部分是滞后阶数、自相关系数、偏自相关系数、Q统计量和相伴的概率。从自相关和偏自相关分析图可以看出自相关系数趋向0的速度相当缓慢，且滞后6阶之后自相关系数才落入2倍标准差范围以内，并且呈现一种三角对称的形式，这是具有单调趋势的时间序列典型的自相关图的形式，进一步表明序列是非平稳的。 、纯随机性判断 一个时间序列是否有分析价值，要看序列观测值之间是否有一定的相关性，若序列各项之间不存在相关，即相应滞后阶数的自相关系数与0没有显著性差异，序列为白噪声序列，则图1中Q统计量正是对序列是否是白噪声序列即纯随机序列进行的统计检验，该检验的原假设和备择假设分别为： 至少存在某个 在图中，由每个Q统计量的伴随概率可以看出，都是拒绝原假设的，说明至少存在某个k，使得滞后k期的自相关系数显著非0，也即拒绝序列是白噪声序列的原假设。 进行时间序列分析，我们希望序列是平稳的，且非随机的，若随机，前后观察值之间没有任何关系，没有信息可以提取。所以我们在研究时间序列之前，首先要对其平稳性和随机性进行检验，目的是对平稳且非随机序列进行研究。 1964-1999年中国纱年产量序列自相关系数趋向0的速度相当缓慢，且滞后6阶之后自相关系数才落入2倍标准差范围以内，并且呈现一种三角对称的形式，这是具有单调趋势的时间序列典型的自相关图的形式，进一步表明序列是非平稳的。 图1-9 图1-10 图1-11 一阶差分序列的ADF检验结果 从图1-11可以看出，在显著性水平0.01下，一阶差分序列拒绝存在一个单位根的原假设，说明经过差分后的序列已经平稳，可以为以后的建模使用。 （5）PP检验 平稳性检验常用的方法还有PP检验，在图1-9的对话框中“Test Ty