计量经济与学实验4 .ppt

实验4：时间序列模型（一） 一、残差序列相关的检验 数据：5-1-3美国投资方程 要求：估计投资方程，检验残差是否存在自相关，自相关的阶数 方法： （1）估计方程 log(inv_p) r_p(-1) log(gnp_p) 注意：不带截距 （2）因为方程不包含截距项，不能用DW统计量来判断是否存在自相关 （3）在方程窗口 proc-make residual 生成残差并命名为res1 （4）在res1窗口，绘制res1的图形 （5）在方程窗口 view-residual tests-correlogram Q test在弹出的对话框内输入自相关的阶数，OK。 观察自相关图，超出虚线的带状图对应着自相关的阶数，也可观察Q统计量对应的P值，P值很小则存在对应阶数的自相关 （6）在方程窗口 view-residual tests-serial correlation LM test 在弹出的对话框内输入自相关的阶数，OK。进行LM检验 如果F统计量对应的p值很小，拒绝没有自相关的原假设（即残差存在自相关） 观察LM检验的估计方程，确定自相关的阶数 数据：5-2-4美国消费和GDP 要求：估计消费模型，检验残差的自相关，及自相关的阶数 方法： （1）估计方程 cs c cs(-1) gdp 检验方法同上一题（做Q检验和LM检验） 注意：因为方程中包含因变量的滞后项cs（-1）因此DW检验也不可用。 二、用AR(P)模型修正自相关 数据：5-1-3 美国投资方程 要求：用AR(p)对自相关修正，并检验新模型是否存在残差序列相关 方法 （1）根据前面做的检验，可知原方程的残差存在1阶序列相关。 （2）估计方程方程 log(inv_p) r_p(-1) log(gnp_p) ar(1) （3）在新的方程中做Q检验和LM检验，观察是否仍有序列相关 数据：5-2-4 美国消费函数 要求：用AR(p)对自相关修正，并检验新模型是否存在残差序列相关 方法 （1）根据前面做的检验，可知原方程的残差存在3阶序列相关。 （2）估计方程方程 log(inv_p) r_p(-1) log(gnp_p) ar(1) ar(2) ar(3) （3）在新的方程中做Q检验和LM检验，观察是否仍有序列相关 三、平稳时间序列建模ARMA 模型的识别与估计 数据： 5-6中国消费价格指数 要求：识别消费价格指数的AR阶数，或MA阶数，并估计模型，检验残差是否有自相关 说明： （1）自回归模型AR(p)：残差u可表示为 若残差服从AR(p)模型，则残差的偏相关系数是p阶截尾的，即偏相关图中p阶之后的带状图都在虚线之内；其自相关系数是指数衰减或震荡衰减的 （2）移动平均模型MA(q)：残差u可表示为 若残差服从MA(q)模型，则残差的自相关系数是q阶截尾的，即偏相关图中q阶之后的带状图都在虚线之内，偏相关系数是拖尾的（逐渐衰减） 方法： （1）估计方程 d_cpi c， （2）在方程窗口view-residual tests-correlogram Q test;输入滞后项数（如10） （3）观察自相关系数和偏相关系数图 可见自相关系数衰减，偏相关系数在2阶截尾，从而残差服从AR(2)模型 （4）估计方程d_cpi ar(1) ar(2) （5）对新方程进行自相关检验 四、非平稳序列的ADF检验 数据： 5.7中国居民消费价格指数 要求：用ADF检验，（1）检验cpi序列的平稳性；（2）检验cpi一阶差分的平稳性 方法： （1）双击打开cpi序列 （2）在cpi序列窗口view-unit root test （3）在弹出的对话框内，test type选择augmented Dickey-Fuller，test for选择level，include in test选择none，OK （4）原假设为序列存在一个单位根（不平稳）若P值较大则接受原假设，否则拒绝 （5）重复（3）在test for 选择1st diffrence，对一阶差分序列进行检验， （6）类似的可选择2nd对二阶差分检验 五、ARIMA模型 数据：5.9 中国GDP 要求：检验log(GDP)的平稳性，估计如下模型 d(log(gdp)) c ar(1) ma(1) 方法： （1）生成序列log(gdp): genr lngdp=log(gdp) （2）对lngdp做ADF检验，对其一阶差分做ADF检验 （3）观察lngdp的差分序列相关图确定ar和ma的阶数：在lngdp窗口view-correlgram，在弹出的对话框选择1st difference，OK （3）估计方程d(lngdp) c ar(1) ma(1)