经济数学微积分映射与函数推荐.ppt

函数与极限 一、映射的概念 二、逆映射与复合映射 四、函数的几种特性 三、平稳性检验的图示判断 给出一个随机时间序列，首先可通过该序列的时间路径图来粗略地判断它是否是平稳的。 一个平稳的时间序列在图形上往往表现出一种围绕其均值不断波动的过程。 而非平稳序列则往往表现出在不同的时间段具有不同的均值（如持续上升或持续下降）。 进一步的判断:检验样本自相关函数及其图形 一个时间序列的样本自相关函数定义为： 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