第六时间序列计量经济模型.doc

PAGE  PAGE 35 第六章 时间序列计量经济模型 上个世纪80年代初期，由于计量经济学在经济预测方面受到激烈的挑战，以计量经济学家亨瑞德（D.F.Hendry）为代表，提出了建立动态计量经济模型的重要理论与方法，这就是建立在协整理论和误差修正基础之上的Hendry学派。该理论的建立对计量经济学在时间序列领域的应用具有重要的推动作用，一致于被称为是计量经济学模型理论的革命。亨瑞德所倡导的动态建模理论，确实具有优于传统的经典建模理论不同的思路。本章将在对时间序列一般性认识的基础上，介绍动态计量经济学建模的方法。 第一节 时间序列的基本概念 时间序列分析方法主要是以伯克斯-詹金斯（Box-Jenjins,1970）提出的。这种建模方法的特点是不考虑以经济理论为依据的解释变量对被解释变量之间的作用（因果关系），而是依据变量本身的变化规律，利用外推机制来描述时间序列的变动。建立时间序列计量经济模型的重要前提是时间序列必须是平稳性的。如果时间序列非平稳，则需将时间序列转变为平稳的后才能建立时间序列计量经济模型，并且时间序列的随机性保持不变，因此，学习时间序列计量经济模型，应该首先明确时间序列自身的统计性质和规律，即时间序列模型。 建立时间序列模型有三个步骤： 1、时间序列的识别和模型形式的判断。 2、模型参数的估计。 3、模型的诊断检验。 在上述步骤中，最重要的是模型的识别，通过对相关图及偏相关图的分析，确定模型的形式，通常，模型形式的选择不是惟一的，而是需要在建模过程中不断地积累。建模经验越丰富，模型形式的选择就越准确合理。 一、时间序列的定义 自然界中事物变化的过程，可以分成两类。 1、确定型过程。可以用关于时间 t 的函数描述的过程。例如，真空中的自由落体运动过程，经济变量的历史数据所经历的轨迹。 2、非确定型过程（又称随机过程）。不能用一个（或几个）关于时间 t 的确定性函数描述的过程。换句话说，对同一事物的变化过程独立、重复地进行多次观测而得到的结果是不相同的。例如，对河流水位的测量，其中，每一时刻??水位值都是一个随机变量。如果以一年的水位记录作为实验结果，便得到一个水位关于时间的函数。这个水位函数是预先不可确知的，只有通过测量才能得到，而在每年中同一时刻的水位记录是不相同的。当经济变量要考虑未来的变动过程时，这时候变量就具有不确定性，故是随机过程。 1、随机过程定义。由随机变量组成的一个有序序列称为随机过程。记为。对于每一个，是样本空间中的一个随机变量。对于每一个是随机过程在序数集中的一次实现，这时随机过程简记为或。 2、时间序列定义。随机过程按时间顺序一次观测结果（或一次实现）称为时间序列。用表示，简记为或。 统计上将某一个指标在不同时间上的指标数值按时间先后顺序排列而成的数列称为时间序列（数列由于受各种偶然因素的影响，表现出某种随机性）。 3、时间序列的特点 （1）时间序列中的数据或数据点的位置依赖于时间，即数据的取值依赖于时间的变化，但不是时间的严格函数。 （2）每一时刻上的取值或数据点的位置具有一定的随机性，所以，不可能完全准确地用历史值预测。 （3）前后时刻（不一定是相邻时刻）的数值或数据点的位置有一定的相关性，这种相关性就是系统的动态规律性（即记忆性）。 （4）从整体上看，时间序列往往呈现某种趋势性或出现周期性变化的现象。 时间序列中的元素称为观测值。既表示随机过程，也表示时间序列。既表示随机过程的元素——随机变量，也表示时间序列的元素——观测值。在不致引起混淆的情况下，为方便也直接表示随机过程或时间序列。 4、随机过程和时间序列的类型 （1）按时间是否连续分为 一是离散型的随机过程或时间序列，二是连续型的随机过程和时间序列。 本章主要研究离散时间序列，并用或表示。对于连续时间序列，可通过等间隔采样使之转化为离散时间序列进行研究。 （2）按序列的统计特性分为 一是平稳时间序列。时间序列的统计规律不会随时间的推移而发生变化，即生成变量时间序列的随机过程的特征与时间变化无关。 二是非平稳时间序列。时间序列的统计规律随时间的位移而发生变化，即生成变量时间序列的随机过程的特征与时间变化有关。 二、时间序列的统计特征 1、严平稳性（或强平稳性）。如果一个随机过程的性质不因时间起点的变化而变化，即无论对的任何子集以及任何实数都有 成立。其中表示个随机变量的联合分布函数，则称这个随机过程是强平稳的，或者称为严平稳的。由严平稳随机过程可知，上述表述只与时间相联系。 例如，概率论中的独立同分布序列就是严平稳过程。 由于分布函数完整地描述了随机变量的统计特性，所以，这里要求平稳随机过程的所有的统计特性都不随时间的平移而变化，这一要求相当严格，在实