中国人民大学学科建设情况报告.ppt

中国人民大学学位办 学科建设 时间序列分析中国人民大学统计学院中国人民大学统计咨询研究中心易丹辉 二○ ○五年七月 三、多变量时间序列分析 （一） 多变量时间序列回归 1. 回归应用的目的 2. 回归检验的要求 3. 、 之间的回归关系可以表述为（分布滞后模型） （三）向量自回归过程（vector autoregressive process） 向量自回归过程简称VAR过程，是分析多变量时间序列的有力工具。 传统的向量自回归模型 （1） 模型 VAR(p)模型表示为 其中， 是n维变量序列， （i = 1,2, ...... ,p）为n n维模型系数矩阵，{ }为n维独立同分布随机向量，E（ ）= 0 ，D（ ）= 。 （四）Panel Data 模型 1. 问题的提出 数据的特点 回归模型 截面数据：研究不同个体之间的关系和规律 时序模型 时间数据：研究同一个体不同时间变化规律 实际数据不满足回归的要求 实际数据时间过短 * * （二） 误差修正模型（ECM） 基于协整关系建立的误差修正模型（Error Correction Model 简称ECM） 1. 条件 两个变量同阶单整，具有共同的随机趋势（存在一个线性组合为平稳的），存在协整关系。 2. ECM ~ I（1）， ~ I（1） ~ ~ I（0） I（0） = + + + 式中， 为误差修正项。 3.模型的意义 自回归分布滞后模型 自回归分布滞后（autoregressive distributed lag ADL）模型亦简称为ADL模型 ADL（p,q）表述为 其中， 为白噪声。 = + + + = + + + + 若Y与X存在长期均衡关系，即有 两边减去 ，得到 = + +（ + ） + — + 整理上式，可得到 = + —（1— ）（ — ）+ = a = + + 整理得 = 这就是Y与X之间的长期均衡关系 。 = — 就是均衡误差。 Y、X同阶的分布滞后模型都可以变换成误差修正模型（ECM）。 预测模型的综合运用 示例 短期波动 的影响因素： 自变量的短期波动 间的均衡关系 系数 ：其大小反映对偏离长期均衡的调整力度。 — 、 — 1. Granger因果检验 1） 问题的提出 是货币供应量的变化引起GDP的变化， 还是都由于内部原因决定 2） 解决的思路 若X是引起Y变化的原因，则 X应有助于预测Y； Y不应当有助于预测X。 3） 方法 第一个条件的检验：X不是引起Y变化的原因 无限制条件模型（UR） 有限制条件模型（R） = + + … + + … + + + = + + … + +