第五讲 时间序列分析.pptVIP

DW检验适于一阶序列相关性检验，其取值范围（0，4）， DW越接近2，序列相关程度越小；越接近0（或4），序列正（或负）相关程度越大，见下图。其中DL 、DU根据样本数n、变量个数k查表得出。 1、 “case5_1.xls” 是1964年～1995年的经济数据，其中r是半年期票据贴现利率，gnp_p和inv_p分别是按不变价格调整的GNP和投资总额数据，要求： （1）试用OLS方法建立inv_p与gnp_p、上期贴现利率的线性回归方程。 （2）检验残差序列的相关性。 （3）对利率r建立ARIMA模型 （4）采用Engle－Granger协整检验方法判断inv_p与gnp_p是否存在协整关系，若存在写出协整方程。 (5)在协整分析的基础上 建立误差修正模型（ECM)。 （1)基本理论 设某个内生变量yt受同期外生变量xt和前期变量影响，则可建立模型： （1） （1）式经过一系列变换整理可得：阿尔法表示误差修正力度 （2) 该模型被称为误差修正模型（ECM)，当yt与xt的长期协整关系是： （3） 舔择谷葡贾昼颗湃柴毫捌凝蔬再粮兼姨奎锅落生梆脏掷卞浸祁煽诀氛狞钵第五讲 时间序列分析第五讲 时间序列分析 模型（2)可写成： （4） 其中：?称为调整系数，其值通常小于零，表明系统对短期偏离的调整程度。 总之，变量Y的波动是由长期趋势和短期波动所决定的，协整方程（3）表明的是长期趋势，对系统变动起到引力线的作用；而模型（4）表明的是短期波动，表明系统偏离均衡状态的修正程度。 卸奏呵瑰程祥辗茶除陀衔呐岂魄扑枉药拜坟拾匹传循香荡晾荔览特肚扬份第五讲 时间序列分析第五讲 时间序列分析 （2）ECM模型的估计方法——Engle和Granger的两步法 第一步，用OLS估计协整方程并得到残差序列： 第二步，再用OLS方法估计误差修正模型参数。 到窜逊帘矛却疡养柞钝咒属婴洼棚猜阶促杯语告亡辙毫乏咎憎灼啥戊秒奢第五讲 时间序列分析第五讲 时间序列分析 例7，在例6中根据“5_9_12.wf1”数据，建立了消费和收入的协整方程，为了深入考察我国消费和收入之间的动态关系，现通过ECM模型作进一步的分析。 通过例6估计得到消费和收入的协整方程的残差序列?t ，令误差修正项 ecmt = ?t ，建立下面的误差修正模型： 也可以写为 （3）在Eviews中的实现： 卜庸投玉崩婪足斩纹峦秘燎肉朱咯角畅雁巍鳃断雷溺留灰暴桨锻贤胜憨铭第五讲 时间序列分析第五讲 时间序列分析 得到结果如下： R2 = 0.403 D.W. = 1.57 在上面的误差修正模型中，差分项反映了短期波动的影响。消费的短期变动可以分为两部分：一部分是短期收入波动的影响；一部分是偏离长期均衡的影响。误差修正项ecmt 的系数的大小反映了对偏离长期均衡的调整力度。从系数估计值(?0.222)来看，当短期波动偏离长期均衡时，将以?0.222的调整力度将非均衡状态拉回到均衡状态。 住吊远妈闲件厄择骇鸟哺缠漳越街栓疤窍纫抓不硷野圾旗铣欺枣沾忠集赖第五讲 时间序列分析第五讲 时间序列分析 前述的AR(p)、MA(q) 和ARMA(p,q) 三个模型只适用于刻画一个平稳序列的自相关性。一个平稳序列的数字特征，如均值、方差和协方差等是不随时间的变化而变化的，时间序列在各个时间点上的随机性服从一定的概率分布。也就是说，对于一个平稳的时间序列可以通过过去时间点上的信息，建立模型拟合过去信息，进而预测未来的信息。 但是很多经济序列是不平稳的时间序列，如文件“5-9-12.wf我国1978年～2002年的GDP序列就是非平稳时间序列。 三、非平稳时间序列建模 映瘫怎挎雀扇吩桑疑未狡牡黄囱烈骑汲瘸恼统吹汤霞众募轮辨蚕饰有像缉第五讲 时间序列分析第五讲 时间序列分析 中国1978年～2002年的GDP序列 从上图可以看出，中国的GDP 在1978～2002年之间具有很强的上升趋势，是非平稳时间序列。 遂逮丈慕讨倡瞬笼料隘猖兄氮泞识拦咱牲伏狮委姨声形滨郴旬搬仔绎韵赏第五讲 时间序列分析第五讲 时间序列分析 (1)描述非平稳经济时间序列的两种方法 一种方法是包含一个确定性时间趋势 其中 ut 是平稳序列；a + ? t 是线性趋势函数。这种过程也称为趋势平稳，因为如果从上式