.-随机过程.ppt

* 同时估计出上述三个模型的适当形式，然后通过ADF临界值表检验零假设H0：?=0。 1）只要其中有一个模型的检验结果拒绝了零假设，就可以认为时间序列是平稳的； 2）当三个模型的检验结果都不能拒绝零假设时，则认为时间序列是非平稳的。 这里所谓模型适当的形式就是在每个模型中选取适当的滞后差分项，以使模型的残差项是一个白噪声（主要保证不存在自相关）。 一个简单的检验过程： * 四、单整、趋势平稳与差分平稳随机过程 * 随机游走序列 Xt=Xt-1+?t 经差分后等价地变形为 ?Xt=?t 由于?t是一个白噪声，因此差分后的序列{?Xt}是平稳的。 ⒈单整 * 一般地，如果一个时间序列经过d次差分后变成平稳序列，则称原序列是d 阶单整（integrated of d）序列，记为I(d)。 显然，I(0)代表一平稳时间序列。 现实经济生活中: 1)只有少数经济指标的时间序列表现为平稳的，如利率等; 2)大多数指标的时间序列是非平稳的，如一些价格指数常常是2阶单整的，以不变价格表示的消费额、收入等常表现为1阶单整。 大多数非平稳的时间序列一般可通过一次或多次差分的形式变为平稳的。 但也有一些时间序列，无论经过多少次差分，都不能变为平稳的。这种序列被称为非单整的（non-integrated）。 如果一个时间序列经过一次差分变成平稳的，就称原序列是一阶单整（integrated of 1）序列，记为I(1)。 * 例3.1.8 中国支出法GDP的单整性。 经过试算，发现中国支出法GDP是1阶单整的，适当的检验模型为 * 例3.1.9 中国人均居民消费与人均国内生产总值的单整性。 经过试算，发现中国人均国内生产总值GDPPC是2阶单整的，适当的检验模型为 同样地，CPC也是2阶单整的，适当的检验模型为 * ⒉ 趋势平稳与差分平稳随机过程 前文已指出，一些非平稳的经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联关系，这时对这些数据进行回归，尽管有较高的R2，但其结果是没有任何实际意义的。这种现象我们称之为虚假回归或伪回归（spurious regression）。 如：用中国的劳动力时间序列数据与美国GDP时间序列作回归，会得到较高的R2 ，但不能认为两者有直接的关联关系，而只不过它们有共同的趋势罢了，这种回归结果我们认为是虚假的。 * 　为了避免这种虚假回归的产生，通常的做法是引入作为趋势变量的时间，这样包含有时间趋势变量的回归，可以消除这种趋势性的影响。 　然而这种做法，只有当趋势性变量是确定性的（deterministic）而非随机性的（stochastic），才会是有效的。 　换言之，如果一个包含有某种确定性趋势的非平稳时间序列，可以通过引入表示这一确定性趋势的趋势变量，而将确定性趋势分离出来。 * 　1)如果?=1，?=0，则（*）式成为一带位移的随机游走过程： Xt=?+Xt-1+?t （**） 根据?的正负，Xt表现出明显的上升或下降趋势。这种趋势称为随机性趋势（stochastic trend）。 2)如果?=0，??0，则（*）式成为一带时间趋势的随机变化过程： 　　　 Xt=?+?t+?t 　　　　　　　 （***） 根据?的正负，Xt表现出明显的上升或下降趋势。这种趋势称为确定性趋势（deterministic trend）。 考虑如下的含有一阶自回归的随机过程： Xt=?+?t+?Xt-1+?t （*） 其中:?t是一白噪声，t为一时间趋势。 * 3) 如果?=1，??0，则Xt包含有确定性与随机性两种趋势。 判断一个非平稳的时间序列，它的趋势是随机性的还是确定性的，可通过ADF检验中所用的第3个模型进行。 该模型中已引入了表示确定性趋势的时间变量t，即分离出了确定性趋势的影响。 因此，(1)如果检验结果表明所给时间序列有单位根，且时间变量前的参数显著为零，则该序列显示出随机性趋势; (2)如果没有单位根，且时间变量前的参数显著地异于零，则该序列显示出确定性趋势。 * 随机性趋势可通过差分的方法消除 如：对式　 　　　　　　Xt=?+Xt-1+?t 可通过差分变换为 ?Xt= ?+?t 该时间序列称为差分平稳过程（difference