时间序列分析课件讲义参考.pptVIP

中国人民大学学位办 学科建设 时间序列分析 概 述 时间序列的含义 时间单位 年 季 月 周 日 时 低频数据 高频数据 时序数据特点 多变量时间序列分析 多变量时间序列回归模型 误差修正（ECM）模型 向量自回归（VAR）模型 向量误差修正（VEC）模型 Panel Data 模型 一、单变量时间序列分析 （一）模型的选择 1. 数据量和时间单位 数据量足够多 —— ARMA、ARIMA、GARCH 数据量不够多 —— 确定型趋势模型 平滑模型 3. 趋势类型判断 —— 自相关函数 —— 单位根检验 例：我国商品零售量指数 （三）模型分析与评价 1. 检验 各种不同模型有不同的检验 关键——模型已提取所有信息 2. 对历史数据拟合的分析 直观判断法 图、表 误差分析法 MAPE 3. 对未来趋势反映的分析 近期趋势的反映 直观判断 误差分析 试预测 预测结果的可能性分析 二、ARMA模型 （一）模型的引进 多元线性回归 自回归 移动平均模型 简单平均：序列平稳 围绕均值波动 示 例 我国工业总产值预测 计算机实现 1.建立工作文件 File/New/Workfile 月度数据，点选M，输入起始时间和终止时间 1990：01 1997：12 2.读入数据 File/Import/Excel 找到文件存储路径（如A盘或D盘），然后在对 话框中，输入变量的个数1，点击OK。 时间序列分析中国人民大学统计学院中国人民大学统计咨询研究中心易丹辉 二○ ○五年七月 三、多变量时间序列分析 （一） 多变量时间序列回归 1. 回归应用的目的 2. 回归检验的要求 3. 、 之间的回归关系可以表述为（分布滞后模型） （三）向量自回归过程（vector autoregressive process） 向量自回归过程简称VAR过程，是分析多变量时间序列的有力工具。 传统的向量自回归模型 （1） 模型 VAR(p)模型表示为 其中， 是n维变量序列， （i = 1,2, ...... ,p）为n n维模型系数矩阵，{ }为n维独立同分布随机向量，E（ ）= 0 ，D（ ）= 。 （四）Panel Data 模型 1. 问题的提出 数据的特点 回归模型 截面数据：研究不同个体之间的关系和规律 时序模型 时间数据：研究同一个体不同时间变化规律 实际数据不满足回归的要求 实际数据时间过短 1. Granger因果检验 1） 问题的提出 是货币供应量的变化引起GDP的变化， 还是都由于内部原因决定 2） 解决的思路 若X是引起Y变化的原因，则 X应有助于预测Y； Y不应当有助于预测X。 3） 方法 第一个条件的检验：X不是引起Y变化的原因 无限制条件模型（UR） 有限制条件模型（R） = +