台湾的时间序列模型教学.ppt

2010/06/21 林晉勗 時間序列模型之應用 林晉勗 國立政治大學經濟學博士 簡報大綱 時間序列模型之平穩性 (stationarity) 常用之判定方法：單根檢定 Augmented Dickey-Fuller test Philips-Perron test 單變量時間序列模型 ARIMA 多變量時間序列模型 向量自我迴歸模型 (VAR) 共整合模型 (Cointegration) 向量誤差修正模型 (VECM) 自我迴歸分布落後期模型 (ARDL) 時間序列資料之平穩性 時間序列資料之平穩性(stationarity) 若 et 為一圍繞在零附近的一個隨機變數，變異數為固定，且具有本期的資料與前期資料無關的特性，也就是 E(εt， εs)=0 (t≠s) ，這樣的數列，我們一般將它稱為白噪音(white noise)。 時間序列資料之平穩性(stationarity) 任一時間序列模型均可由一組獨立同分配(iid)的白噪音{et}t=1,2,…,∞以線性組合而成 則 yt 的變異數γ0 = Var(yt) = E(yt，yt) 若當 時，則yt 即為一平穩的時間序列 時間序列資料之平穩性(stationarity) 時間序列資料之平穩性(stationarity) 如何檢定時間序列資料之平穩性？ 單根檢定 unit roots test 若β0=1?γ=0，代表時間序列具有單根，亦即為非穩定數列，因此只需估計最後一式迴歸式，並檢定γ=0？即可，虛無假設為 H0：γ=0 (有單根，亦即數列不穩定) 實務上，有時需考慮Δyt有無漂移項，或有無時間趨勢，另外，Δyt 亦有可能存在自我相關，因此檢定式考慮如下： 不同的單根數列 單根檢定之步驟 單根檢定實例 消費者物價指數 (CPI) (taiwan_var_data.wf1) 1981M01~2007M06 單根檢定操作步驟—以ADF test 為例 步驟1：在Eviews指令列中輸入 uroot cpi 在 test type中選擇ADF test Test for Unit root in選擇 「Level」，代表檢定未差分的數列。 Include in test equation選擇 「Trend intercept」，代表先估計包含漂移項及趨勢項的檢定式。 「Lag length」中選擇「Schwarz Info. Criterion」代表以SIC做為選擇最適落後期數的準則。Maximum lags輸入16，代表最大測試落後期。(Eviews 4.0 版以上，在執行 uroot test時，系統會自動為使用者測試最佳落後期數。) 單根檢定操作步驟—以ADF test 為例 右側的估計結果可發現第一階段的檢定結果為不拒絕虛無假設，因此代表可能有單根。 檢查估計方程式中是否應有趨勢項。由估計結果下方可以發現@TREND的估計結果為不顯著，因此在估計方程式中不應有趨勢項。 單根檢定操作步驟—以ADF test 為例 步驟2： 點選估計結果視窗的「View」?「Unit Root Test」，在設定視窗中，將Include in test equation選擇「Intercept」，點選「OK」。 單根檢定操作步驟—以ADF test 為例 從估計結果發現單根檢定結果仍為不拒絕虛無假設，代表仍然可能存在單根。 檢定估計方程式中是否應包含漂移項，由估計結果下方可以發現，漂移項項係數不顯著，表示估計方程式中不應有漂移項。 單根檢定操作步驟—以ADF test 為例 步驟3： 點選估計結果視窗的「View」?「Unit Root Test」，在設定視窗中，將Include in test equation選擇「None」，點選「OK」。 單根檢定操作步驟—以ADF test 為例 檢查估計式之檢定結果，仍不拒絕虛無假設，則此時代表CPI數列存在單根，亦即CPI數列為非定態數列。 如何處理不平穩的時間序列資料？ 常用的平穩化方法 差分 取變動率 (物價上漲率) 若變數經過 1 次平穩化後可成為穩態數列，則稱之為I(1) 數列。 平穩化階次 一般總體經濟時間序列資料多為 I(1)變數，亦即經過一階差分後即可成為穩定數列，欲判定變數的階次，可在變數差分後再依前述步驟重覆進行uroot test。 如下所示，CPI數列在經過一階差分後，單根檢定便拒絕虛無假設，亦即經一階差分後即成定態數列，因此我們可稱CPI為 I(1) 數列。 自我相關函數 自我共變異數函數 在一穩定隨機過程中，任取第 i 期及第 i+j