6第六章_趋势时间序列模型课件.ppt

引言：前面我们讨论的是平稳时间序列的建模和预测方法，即所讨论的时间序列都是宽平稳的。一个宽平稳的时间序列的均值和方差都是常数，并且它的协方差有时间上的不变性。 但是许多经济领域产生的时间序列都是非平稳的。对协方差过程，非平稳时间序列会出现各种情形，如它们具有非常数的均值μt，或非常数的二阶矩，如非常方差σt2，或同时具有这两种情形的非平稳序列。 ;第六章 趋势时间序列模型; 在现实世界中的大多数经济时间序列都表现出趋势性，即时间序列值随时间的变化呈现出增加或减少趋势和方差的不稳定性。例如，城镇居民人均可支配收入数据序列就有上升趋势，并且波动幅度逐年增大，表现出方差的不平稳性。因此在对时间序列建立模型之前，必须分析时间序列的平稳性和平稳化方法，这对于我们进行时间序列的统计分析、预测与控制，都具有十分重要的意义。; 趋势性时间序列是在图形上表现出一个长期上升或向下的趋势。一般情况下，通过时间序列观察值来判断序列的趋势性是比较容易，但是有些情况下，就比较困难，这主要原因是从短期看，时间序列具有趋势变动，但从长期看，它只不过是循环波动的一部分。时间序列的趋势性，有确定性和非确定性两种，前者有线性趋势和非线性趋势。具有非确定性趋势的序列，往往表现为一种慢慢地向上或向下漂移的时间序列.;搏疽挡宝寓泊埃诣瓤绽释唬治跃廷障疫湾到杯膘氮墅妆掐裸哨纲欣妻诲减6第六章_趋势时间序列模型课件6第六章_趋势时间序列模型课件;第一节 非时间序列模型的种类;一、均值非平稳过程;（一）确定趋势模型 当非平稳过程均值函数可由一个特定的时间趋势表示时，一个标准的回归模型曲线可用来描述这种现象。;此外，均值函数还可能是指数函数、 正弦—余弦波函数等，这些模型都可 以通过标准的回归分析处理。 处理方法是先拟合出μt的具体形式， 然后对残差序列yt={xt－ μt}按平稳 过程进行分析和建模。;（二）随机趋势模型 随机趋势模型又称齐次非平稳ARMA模型。为理解齐次非平稳ARMA模型，可先对ARMA模型的性质作一回顾。;当橡乡粗昼鳃???熬渴丙馏娱姑姬毙凑互幅颧王帚卖阿挟亥伍诣澈饥热昆攀6第六章_趋势时间序列模型课件6第六章_趋势时间序列模型课件;骚术晶司汰租俐味挪旋吐擞主哨陆瞒发胡诀尾舅插瘟医号臃乖毯楷帐扩移6第六章_趋势时间序列模型课件6第六章_趋势时间序列模型课件;可见我们所能分析处理的仅是一些特殊的 非平稳序列，即齐次非平稳序列。;二、方差和自协方差非平稳过程;这个变换最早由BOX和COX于1964年提出， 因此称作BOX—COX变换。其中λ为变换 参数。;第二节 非平稳性的检验;一、通过时间序列的趋势图来判断;二、通过自相关函数(ACF)判断;若序列无趋势，但是具有季节性，那末对于按月采集的数据，时滞12，24，36……的自相关系数达到最大(如果数据是按季度采集，则最大自相关系数出现在4，8，12， ……)，并且随着时滞的增加变得较小。 若序列是有趋势的，且具有季节性，其自相关函数特性类似于有趋势序列，但它们是摆动的，对于按月数据，在时滞12，24，36，……等处具有峰态；如果时间序列数据是按季节的，则峰出现在时滞4，8，12， ……等处。;三、特征根检验法（P146）;根据拟合出的时序模型参数检验(P146);纸厅限豢寥拖攒磷键涣离擞脊骚猜男忧市赔辽身造介晶场庭做急炔恃暗憨6第六章_趋势时间序列模型课件6第六章_趋势时间序列模型课件;四、用非参数检验方法判断序列的平稳性;非参数检验：非参数检验是一种不依赖于总体分布知识的检验方法。 由于非参数检验不对总体分布加以限制性假定，所以它也称为自由分布检验。;非参数检验与参数检验相比有如下优点： a.检验条件比较宽松，适应性强 。 b.参数检验对样本容量的要求极低。 c.检验方法灵活，用途更广泛。 非参数检验主要用顺序统计量进行检验，因此它既可检验定距数据和定比数据，又可以检验定类数据和定序数据；而参数检验只能处理定距数据和定比数据。因为这些优点，非参数检验比参数检验应用更广泛。 d.非参数检验计算相对简单，易于理解。;非参数检验的缺点： 如果参数统计模型的所有假设在数据中事实上都能满足，而且测量达到了所要求的水平(定距数据或定比数据)，那么用非参数检验就浪费了数据中的信息。也就是说此时非参数检验的功效不如参数检验高。;(二)非参数检验方法在检验序列平稳性中的应用;（2）用游程检验方法检验时间序列平稳性的基本思想 ;傅晨栏着砧炉级覆奈圣飘举莆静迄赴涡钡滁挟幕窗俺粟爪忧炊屁蚁西与选6第六章_趋势时间序列模型课件6第六章_趋势时间序列模型课件;(3)检验方法 a.小样本情况 零假设：