第12章平稳时间序列.PDF

© 陈强，《计量经济学及Stata 应用》，2014 年。请勿上传或散发。 第 12 章 平稳时间序列 根据时间序列的随机过程特性，可分为“平稳序列” (stationary)与“非平稳序列”(non-stationary)两大类，需 使用不同的计量方法。 本章介绍平稳序列，下一章介绍非平稳序列。 1 12.1 时间序列的数字特征 对于离散时间1, 2, , T ，记随机变量y 的相应观测值为 y , y , , y ，并假设其为(严格)平稳过程。 1 2 T 该时间序列的期望、方差、自协方差、自相关系数等 数字特征均不随时间推移而改变。 考察时间序列的数字特征，有助于判别应该使用怎样 的时间序列模型进行估计。 期望 E(y ) 反映的是该序列的平均水平，可以用样本 2 1 T 均值y  t 1y t 来估计。 T 方差 Var(y ) 反映的是该序列的波动幅度，可以用 1 T 2 T 1t 1(y t y ) 来估计。 y   k (autocovariance 定义 时间序列 t 的“ 阶自协方差” of order k)为  Cov(y , y ) E (y )(y ) k t t k  t t k   E(y ) (y ) k 其中， 。它反映同一变量 相隔 期之间的自相 关程度。当k 0  Var(y ) 时， 0 。 对k 的估计值为“样本自协方差”： 3 ˆ 1 T k    (y y )(y y ) k T k t 1 t t k y   k (autocorrelation 定义 时间序列 t 的“ 阶自相关系数” of order k)为 Cov(y , y ) t tk  Corr(y , y )  k t t k Var(y ) t 