第八章时间序列计量经济.docVIP

第八章 时间序列的性质 大多数经济数据特别是宏观经济数据为时间序列数据，所以对时间序列进行计量经济学分析在计量经济学中占有十分重要地位。时间序列变量与横截面变量在性质上有很大不同。比如，当两个时间序列变量是非平稳的时候，如果我们用其中之一对另一进行回归，往往都能得到从统计数据来看，较好的结果，但实际上，它们之间也许没有任何关系。所以对通过对时间序列的样本值的分析来估计产生这个时间序列样本的随机过程的性质，对回归分析是十分重要的。本章将就时间序列的平稳性问题和与此相联的单位根问题以及两个时间序列的协整问题展开讨论。 第一节 平稳的时间序列 任何时间序列数据都可看成由一个随机过程产生的结果或者说是一个随机过程的一个实现：设为一随机时间序列，其中每一项都是随机的，则有关这一随机时间序列的观测值所组成的序列就是这一随机时间序列的一个实现或者说一个样本。我们对时间序列的研究往往是根据随机时间序列的一个样本来推断随机时间序列总体的性质进而进行预测。在前面的回归分析中，我们总假定解释变量是非随机的，但实际上大多数经济数据特别是宏观经济数据，由于其为时间序列数据的时候居多，在这种情况下，无论是被解释变量还是解释变量的观测数据往往可看作是随机时间序列的一个实现，从而使解释变量具有随机性，当解释变量与回归模型中的随机扰动项相关时，就出现了内生性问题，其解决方法已如前所述；当解释变量与回归模型中的随机扰动项无关时，解释变量即使是随机的，经典回归的有关结论仍然适用，但前提条件是模型设定正确。然而，模型设定是否正确在相当程度上取决于时间序列的稳定特性。例如，当回归模型中的变量一方面是时间序列，另一方面有的时间序列变量是平稳的而有的时间序列变量是非平稳的，那么，就会产生谬误回归，即回归模型的误设。所以时间序列的平稳性分析不仅对时间序列本身十分重要而且对包括时间序列的经典回归分析十分重要。因此讨论平稳的时间序列对整个计量经济学来说就显得十分必要了。 一 平稳时间序列的定义 如果一个随机时间序列的均值和方差在时间过程上都是常数，并且在任何两时期之间的协方差仅依赖于该两时期间的距离或滞后，而不依赖于计算这个协方差的实际时间，就称它为平稳的。 用数学式子表示随机时间序列的平稳性：设有一随机时间序列，如果： 均值与时间无关。 方差与时间无关。(方差也可用表示) 协方差只与间隔期有关而与时间无关，称这样的协方差为滞后的自协方差。(显然) 则称这样的随机时间序列为平稳的时间序列。 例8.1 若随机时间序列由下式生成 (8.1) 其中为一与时间无关的常数，为白噪声过程，即以零为均值，有相同方差，自协方差为零。 则由(8.1)式表示的过程是一个平稳过程：；； 。 例8.2 一阶自回归过程 随机时间序列由下列(8.2)式生成，则称这样的过程为一阶自回归过程，记为AR(1)。 (8.2) 其中为常数，为白噪声过程。 则当时，AR(1)过程为平稳过程。事实上， 第一，当时，AR(1)过程的均值为一常数： 因为 所以 (8.3) 第二，当时，AR(1)过程的方差为一常数： (8.4) 第三，当时，AR(1)过程的滞后的自协方差为一只与滞后有关而与时间无关的常数： (8.5) 例8.3 二阶自回归过程 二阶自回归过程是指由下列(8.6)式所生成的时间序列： (8.6) 在什么条件下，(8.6)式所表示的二阶自回归过程即AR(2)是平稳的？ 为了研究AR(2)的平稳性，我们引入滞后算子的概念： 将滞后算子L定义为： (8.7) 如果运用两次滞后算子，结果为： 这样一个对滞后算子的二重运用记作“”： 一般地，对任何整数k， (8.8) 对于滞后算子有一些运算法则，如它与数乘运算可交换、它对于加法运算可分配等。 运用滞后算子，AR(2)可写成 (8.9) 根据差分方程中的有关结论，上式平稳的充分必要条件是滞后算子多项式的特征根(即将滞后算子符号L改为普通复数后的多项式的根)在单位园以外。 多项式 (8.10) 的两个根为 (8.11) 这两个根在单位以外的充分必要条件是下列三个式子同时成立： (8.12) AR(2)的平稳性条件可用下图表示： 对(8.6)式两边同取数学期望，便可求出