计量经济学6时间序列方法.ppt

时间序列方法 1、ARIMA模型 1、p阶自回归模型ar(p) 2、q阶移动平均模型ma(q) {yt}是一个时间序列，{εt}是一白噪音序列。 3、arma(p,q)模型 Arma模型的识别： 自相关函数 偏自相关函数 2、非平稳时间序列 使用时间序列进行回归方程估计要想得到一个可靠的估计，随机干扰项的变化应该是稳定的，即平稳时间序列。使用arima模型作预测，要想得到可靠的结果也要求时间序列本身是平稳的。 因此，做时间序列分析时，一个重要的工作就是判断一个时间序列是否平稳。下面是一个典型的非平稳时间序列，单位根过程，其中ε是白噪音 常见的平稳与非平稳序列 平稳时间序列 非平稳时间序列 单位根检验（ADF检验） 原假设是存在单位根，即序列非平稳。 单位根检验之例 对yt作单位根检验的步骤， 1、对yt作差分，得△yt ， 2、作差分△yt关于yt-1的回归，得到?检验值， 3、查ADF检验临界值表，得临界值?0 ， 4、比较检验值?临界值?0的大小， 如果检验值?大于临界值?0 ，则推断存在单位根； 如果检验值?小于临界值?0 ，则推断该序列是平稳的。 Eview提供了单位根检验的功能。 3、变量的协整与误差校正 每一个时间序列变量都是非平稳的，但存在它们之间的一个线性组合却是一个平稳变量，称这组变量具有协整关系。 例：Xt和Yt分别是非平稳变量，而它俩之间的回归却是平稳序列，即 Yt=a+cXt+εt εt是一个平稳序列。 经济意义：变量具有协整关系，意味着这组变量之间的关系具有长期稳定性质，也就是说这组变量在经济上具有长期均衡关系。 协整关系的检验 Yt和Xt都是非平稳序列。作Yt关于Xt的回归，得到残差et， et=Yt-a-?Xt 再来检验残差序列et是否平稳。通常作单位根检验即可。et存在单位根，它不平稳， Yt和Xt没有协整关系； et没有单位根，它是平稳的， Yt和Xt具有协整关系。 EVIEW提供了直接对变量组进行协整关系检验的功能。 误差校正模型 如果变量组具有协整关系，利用组中其他变量来预测组中某一个变量的变化，这种预测是比较可靠的。同时可以利用随机干扰项的平稳性，改善短期预测。此时，对应的模型称为误差校正模型。 Xt和Yt分别是非平稳变量，但它们具有协整关系。作Yt关于Xt的回归，得到残差et， et=Yt-a-?Xt 对yt和xt作差分，得△yt和△xt ，把残差et-1也作为一个解释变量，做回归， △yt=a△xt+b et-1 这就是误差校正模型，往往可以改善短期预测。 例 * *