经济数学微积分导数概念推荐.ppt

导数与微分 一、问题的提出 二、导数的定义(derivative) 2. 求导数举例 三、导数的几何意义 四、函数可导性与连续性的关系 五、小结 思考题 注意: 也可检验对所有k0，自相关系数都为0的联合假设，这可通过如下QLB统计量进行： 该统计量近似地服从自由度为m的?2分布（m为滞后长度）。 因此:如果计算的Q值大于显著性水平为?的临界值，则有1-?的把握拒绝所有?k(k0)同时为0的假设。 例9.1.3: 表9.1.1序列Random1是通过一随机过程（随机函数）生成的有19个样本的随机时间序列。 容易验证：该样本序列的均值为0，方差为0.0789。 由于该序列由一随机过程生成，可以认为不存在序列相关性，因此该序列为一白噪声。 根据Bartlett的理论：?k~N(0,1/19)，因此任一rk(k0)的95%的置信区间都将是: 可以看出:k0时，rk的值确实落在了该区间内，因此可以接受? k(k0)为0的假设。 同样地，从QLB统计量的计算值看，滞后17期的计算值为26.38，未超过5%显著性水平的临界值27.58，因此,可以接受所有的自相关系数?k(k0)都为0的假设。 因此，该随机过程是一个平稳过程。 序列Random2是由一随机游走过程 Xt=Xt-1+?t 生成的一随机游走时间序列样本。其中，第0项取值为0， ?t是由Random1表示的白噪声。 图形表示出：该序列具有相同的均值，但从样本自相关图看，虽然自相关系数迅速下降到0，但随着时间的推移，则在0附近波动且呈发散趋势。 样本自相关系数显示：r1=0.48，落在了区间[-0.4497, 0.4497]之外，因此在5%的显著性水平上拒绝?1的真值为0的假设。 该随机游走序列是非平稳的。 例9.1.4 检验中国支出法GDP时间序列的平稳性。 从滞后18期的QLB统计量看： QLB(18)=57.1828.86=?20.05 拒绝：该时间序列的自相关系数在滞后1期之后的值全部为0的假设。 结论: 1978—2000年间中国GDP时间序列是非平稳序列。 例9.1.5 检验§2.10中关于人均居民消费与人均国内生产总值这两时间序列的平稳性。 从图形上看：人均居民消费（CPC）与人均国内生产总值（GDPPC）是非平稳的。 就此来说，运用传统的回归方法建立它们的回归方程是无实际意义的。 不过，§9.3中将看到，如果两个非平稳时间序列是协整的，则传统的回归结果却是有意义的，而这两时间序列恰是协整的。 四、平稳性的单位根检验 （unit root test） 1、DF检验 随机游走序列: Xt=Xt-1+?t 是非平稳的，其中?t是白噪声。而该序列可看成是随机模型: Xt=?Xt-1+?t 中参数?=1时的情形。 （*）式可变形式成差分形式： ?Xt=(1-?)Xt-1+ ?t =?Xt-1+ ? t (**) 检验（*）式是否存在单位根?=1，也可通过（**）式判断是否有? =0。 一般地: 检验一个时间序列Xt的平稳性，可通过检验带有截距项的一阶自回归模型： Xt=?+?Xt-1+?t （*） 中的参数?是否小于1。 在第二节中将证明，（*）式中的参数?1或?=1时，时间序列是非平稳的;对应于（**）式，则是?0或? =0。 上述检验可通过OLS法下的t检验完成。 然而，在零假设（序列非平稳）下，即使在大样本下t统计量也是有偏误的（向下偏倚），通常的t 检验无法使用。 Dicky和Fuller于1976年提出了这一情形下t统计量服从的分布（这时的t统计量称为?统计量），即DF分布（见表9.1.3）。 由于t统计量的向下偏倚性，它呈现围绕小于零值的偏态分布。 因此，可通过OLS法估计： ?Xt=?+?Xt-1+?t 并计算t统计量的值，与DF分布表中给定显著性水平下的临界值比较： 如果：t临界值，则拒绝零假设H0：? =0， 认为时间序列不存在单位根，是平稳的。 注意：在不同的教科书上有不同的描述，但是结果是相同的。 例如：“如果计算得到的t统计量的绝对值大于临界值的绝对值，则拒绝ρ=0”的假设，原序列不存在单位根，为平稳序列。 问题的提出： 在利用?Xt=?+?Xt-1+?t对时间序