时间序列数据OLS回归其他问题.pptVIP

第十一章;平稳和非平稳 协方差平稳（弱平稳） 期望为常数：E(xi)=? 方差存在， 且为常数，：Var(xi)=?2? 协方差只取决于时间间隔h：Cov(xi, xi+h)= ?h 严格平稳 对于任意时间指标集（1?t1 t2? tm）和任意整数h， 联合分布函数满足： f(xt1, xt2, …, xtm)= f(xt1+h, xt2+h, …, xtm+h);若二阶距存在，则严格平稳过程一定协方差平稳 计量分析中主要关注弱平稳，平稳性条件不满足则称为非平稳过程。 问题11.1： 随机过程： yt=?0+?1t+et ?1?0 是协方差平稳的吗？ 如何将转化为平稳过程？ ;弱相关时间序列 平稳性：联合分布不变 弱相关： 限定h变大时xt和xt+h的相依关系。 对于平稳序列，h趋于无穷时，xt和xt+h“近乎独立”，则称其为弱相关的（weakly dependent） 非平稳序列也可能是弱相关的 对于弱平稳序列，若随着h??，Cov(xt, xt+h) ?0，则称其为渐近无关的（asymptotically uncorrelated） 为什么时间序列分析中要关注弱相关？ 为分析统计量的渐近性质服务！ 时间序列不可能随机抽样，弱相关假定类似于截面数据中的随机抽样假定，保证大数定理和中心极限定理的适用。 ;几个例子： et ~i.i.d(0, ?2) （1） yt=et （2） yt=et +?1et-1 MA(1)过程 （3） yt=?yt-1+et AR(1)过程 考虑两种情况： | ? |1 | ? |=1 （4） yt=?0+?1t+et 趋势平稳 差分平稳：yt=?1+yt-1+et ;OLS的渐近性质;滞后被解释变量作为解释变量的情形，如AR(1)模型： yt=?yt-1+et 若| ? |1，序列平稳且弱相关，假定TS.1’、TS.2’和TS.3’都成立 ?的OLS估计量是一致的！ OLS估计量是无偏的吗？ 严格外生的假定E(ut|X)=0 是否成立？ 注意：X=(y0, y1, …, yn-1) ;假定：TS.4’ 同期同方差， Var(ui|xt)=?2 TS.5’ 无序列相关 假定TS.1’ ~ TS.5’ 成立： OLS估计量渐近服从正态分布 有效市场假说 ;附加预期的菲利普斯曲线： inft- inft *=?1(unemt-?0)+et 若预期是静态的，即inft *=inft-1 ?inft=?1(unemt-?0)+et 自然失业率是多少？;高度持续性（强相关 ）时间序列分析;时间序列;随机游走过程： yt=yt-1+et 或 ?yt=et 随机游走过程是非平稳的： Var(yt)=?2t Cov(yt, yt+h)=?2t h0 随机游走经常用来描述有效市场下股票价格、汇率和利率等序列的变化特征。 ?ln(pt)=returnt=et （带漂移项的）随机游走是单位根过程的特例 ;带漂移项的随机游走： yt=?0+yt-1+et 或 ?yt=?0+et 递归迭代： yt=y0+?0t+et+et-1+et-2+…+e1 与趋势平稳过程（TS）的比较：;I(1)过程及其变换 单整过程的定义 yt=yt-1+et 或 ?yt=et yt是高度持续的，一阶差分?yt弱相关，称yt是I(1)的，或1阶单整； ?yt依然高度持续，二阶差分?2yt弱相关，称yt是I(2)的，或2阶单整，依次类推。 yt是弱相关的，称其为I(0)过程，或0阶单整。 如何将I(1)过程变换为弱相关过程？ 差分！ 若对经济序列取对数，一阶差分为增长率： ?ln(yt) ? (yt-yt-1)/yt-1 原始序列是I(1)的，意味着增长速度是弱相关的。;单位根检验： 估计模型： yt=?yt-1+et H0:?=1； H1:?1 计算t统计量的值： 单位根检验的困难在于： 零假设下