6 时间序列分析.ppt

Xianghong Shirley Wang 第六章 时间序列分析 主要内容 时间序列分析的基本概念 平稳性检验 协整 *格兰杰因果检验 *误差修正模型 时间序列的例子 围绕固定水平的变化，是均值平稳序列。 时间序列的例子 6.1 时间序列分析的基本概念 经济分析通常假定所研究的经济理论中涉及的变量之间存在着长期均衡关系。按照这一假定，在估计这些长期关系时，计量经济分析假定所涉及的变量的均值和方差是常数，不随时间而变。 经验研究表明，在大多数情况下，时间序列变量并不满足这一假设，从而产生所谓的“伪回归”问题(‘spurious’ regression problem)。 为解决这类问题，研究人员提出了不少对传统估计方法的改进建议，其中最重要的两项是对变量的非平稳性 (non-stationarity) 的系统性检验和协整(cointegration)。 给出一个随机时间序列，首先可通过该序列的时间路径图来粗略地判断它是否是平稳的。 一个平稳的时间序列在图形上往往表现出一种围绕其均值不断波动的过程。 而非平稳序列则往往表现出在不同的时间段具有不同的均值（如持续上升或持续下降）。 6.2 平稳性检验 6.3 协整 经典回归模型（classical regression model）是建立在平稳数据变量基础上的，对于非平稳变量，不能使用经典回归模型，否则会出现“伪回归”等诸多问题。 由于许多经济变量是非稳定的，这就给经典的回归分析方法带来了很大限制。 但是，如果变量之间有着长期的稳定关系，即它们之间是协整的（cointegration)，则是可以使用经典回归模型方法建立回归模型的。 补充：格兰杰因果检验 自回归分布滞后模型旨在揭示某变量的变化受其自身及其他变量过去行为的影响。 然而，许多经济变量有着相互的影响关系 问题：当两个变量在时间上有先后而导致滞后关系时，能否从统计上考察这种关系是单向的还是双向的？ 即：主要是一个变量过去的行为在影响另一个变量的当前行为呢？还是双方的过去行为在相互影响着对方的当前行为？ 格兰杰因果关系检验(Granger test of causality) 对两变量Y 与X，格兰杰因果关系检验要求估计： X 对 Y 有单向影响，表现为（1）式X 各滞后项前的参数整体不为零，而（2）式Y 各滞后项前的参数整体为零； Y 对 X 有单向影响，表现为（2）式 Y 各滞后项前的参数整体不为零，而（1）式 X 各滞后项前的参数整体为零； Y 与 X 间存在双向影响，表现为 Y 与 X 各滞后项前的参数整体不为零； Y 与 X 间不存在影响，表现为 Y 与 X 各滞后项前的参数整体为零。 GDP 消费 广告投入 销售量 伴苛扩拥棒搞桓阶潞谈精尖为须贯狸坊低菌朱嘻药咽雷葛热诊蚌箩墙猾捉6 时间序列分析6 时间序列分析 檬摹瘩秆减闷苟铱说颇昌衣坏斑具霓籽扰涨侣泉矗节实懈颧炮剐钱王颜递6 时间序列分析6 时间序列分析 (1) (2) (1)式表现的是X 对Y的影响，即X Y。 (2)式表现的是Y 对X的影响，即Y X。 匡棱韧炕蔚嘻翌斑齐熏彩疵华详苏魔滞尚伏橇依伎一设郸饯蹋蛆胎酪速瘸6 时间序列分析6 时间序列分析 可能存在有四种检验结果： 酸芭沸伦沸轰惦蘑拢售肝均俞袭僻使同杀汗欺氰殉误轩排厕铸壮姬男涂艾6 时间序列分析6 时间序列分析 嗡全牡纵罐邹恋税易逊晾钞旁路刚梭辆椅李尼芦沧瞅痈虚倒篷干就躯顽箩6 时间序列分析6 时间序列分析 知宫敬庭帛暇貉策实辽朗截慈碟乖浙赡三如迂豹纺蝉娥厉灰讥谎无谤畴涎6 时间序列分析6 时间序列分析 有了τ表，我们就可以进行DF检验了，DF检验按以下两步进行： 第一步：对下式执行OLS回归，即估计 △Xt=δXt-1+εt 得到常规tδ值。 第二步：检验假设 H0：δ= 0 Ha：δ＜0 用上一步得到的tδ值与表7.1中查到的τ临界值比较，判别准则是： 若 tδτ， 则接受原假设H0，即Xt非平稳。 若tδτ，则拒绝原假设H0，Xt为平稳序列。 辅属缨摈拣拷果拇夯趴呵抠椽果旺母监二购至幽柑牲弘淀遂禾喉帅想穴纺6 时间序列分析6 时间序列分析 Dickey和Fuller注意到τ临界值依赖于回归方程的类型。因此他们同时还编制了与另外两种类型方程中相对应的τ统计表，这两类方程是： 有常数项： △Xt=α+δXt-1+εt 和 有常数项和时间项： △Xt=α+βt+δXt-1+εt