经济数学微积分隐函数及由参数方程所确定的函数的导数PPT.pptVIP

一、隐函数的导数;一、隐函数的导数;例1;例2;例3;例5;一般地;※二、由参数方程所确定的函数的导数;由复合函数及反函数的求导法则得;例6; 所求切线方程为;例7;例8;三、小结 思考题;思考题; 解 现在产品产量为f (16,32)=8192件, 保持这种产量的函数曲线为; 因此厂长要增加一个技术工人并要使产量不变,就要相应地减少约4名非技术工人.;※思考题;思考题解答;练 习 题;练习题答案;四、随机时间序列模型的估计; AR(p)、MA(q)、ARMA(p,q)模型的估计方法较多，大体上分为3类： （1）最小二乘估计； （2）矩估计； （3）利用自相关函数的直接估计。 下面有选择地加以介绍。;⒈ AR(p)模型的Yule Walker方程估计; 此方程组被称为Yule Walker方程组。该方程组建立了AR(p)模型的模型参数?1,?2,?,?p与自相关函数?1,?2,?,?p的关系， ; 由于： ;⒉ MA(q)模型的矩估计; 首先求得自协方差函数的估计值，(*)是一个包含(q+1)个待估参数 ; （1）MA(1)模型的直接算法;于是有解： ; （2）MA(q)模型的迭代算法 ;第一步，给出; 第二步，将第一次迭代值代入（**）式，计算出第二次迭代值 ;⒊ ARMA(p,q)模型的矩估计; 是总体自相关函数的估计值，可用样本自相关函数rk代替。 ;改写为： ;⒋ AR(p)的最小二乘估计; 根据最小二乘原理，所要求的参数估计值是下列方程组的解： ; 为了与AR(p)模型的Yule Walker方程估计进行比较，将(**)改写成： ;代入，上式表示的方程组即为： ;解该方程组，得到： ; 比较发现，当n足够大时，二者是相似的。 ??2的估计值为： ; 下面以一般的ARMA(p,q)模型为例说明。 对含有常数项的模型 ：;五、模型的检验; 由于ARMA(p,q)模型的识别与估计是在假设随机扰动项是一白噪声的基础上进行的，因此，如果估计的模型确认正确的话，残差应代表一白噪声序列。 如果通过所估计的模型计算的样本残差不代表一白噪声，则说明模型的识别与估计有误，需重新识别与估计。 在实际检验时，主要检验残差序列是否存在自相关。; 可用QLB的统计量进行?2检验：在给定显著性水平下，可计算不同滞后期的QLB值，通过与?2分布表中的相应临界值比较，来检验是否拒绝残差序列为白噪声的假设。 若大于相应临界值，则应拒绝所估计的模型，需重新识别与估计。 ;2、AIC与SBC模型选择标准 另外一个遇到的问题是，在实际识别ARMA(p,q)模型时，需多次反复偿试，有可能存在不止一组（p,q）值都能通过识别检验。 显然，增加p与q的阶数，可增加拟合优度，但却同时降低了自由度。 因此，对可能的适当的模型，存在着模型的“简洁性”与模型的拟合优度的权衡选择问题。; 其中，n为待估参数个数（p+q+可能存在的常数项），T为可使用的观测值，RSS为残差平方和（Residual sum of squares）。;在选择可能的模型时，AIC与SBC越小越好 显然，如果添加的滞后项没有解释能力，则对RSS值的减小没有多大帮助，却增加待估参数的个数，因此使得AIC或SBC的值增加。 需注意的是：在不同模型间进行比较时，必须选取相同的时间段。; 由第一节知：中国支出法GDP是非平稳的，但它的一阶差分是平稳的，即支出法GDP是I(1)时间序列。 可以对经过一阶差分后的GDP建立适当的ARMA(p,q)模型。 记GDP经一阶差分后的新序列为GDPD1，该新序列的样本自相关函数图与偏自相关函数图如下??; 图形：样本自相关函数图形呈正弦线型衰减波，而偏自相关函数图形则在滞后两期后迅速趋于0。因此可初步判断该序列满足2阶自回归过程AR(2)。