计量经济学基础教学课件作者刘家国第6章节课件幻灯片.pptVIP

计量经济学基础教学课件作者刘家国第6章节课件幻灯片.ppt

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
6.3.3、平稳时间序列的预测 经过模型识别、参数估计、诊断检验,获得一个较为满意的时间序列预测模型之后,剩下的问题就是如何利用这个模型进行预测。经过模型选择最终获得的时间序列预测模型,导出在最小均方差意义的预测值。用 表示在t时刻对t+1期所作的预测, 为预测长度。预测的准则是使预测误差的均方值最小。即 ,经推导可得模型最小均方差预测计算公式为: 其中 分别为 、 条件期望的简写。 (6.62) 6.3.3、平稳时间序列的预测 在预测计算中,规定条件期望的取值法则如下: 上式表明现在或过去的观察值的条件期望就是本身,未来实际值的条件期望就是其预测值现在或过去残差的条件期望值是此残差的估计值,未来的残差条件期望值等于零。 第六章 时间序列模型 §6.1 时间序列的概念 §6.2 平稳性检验方法 §6.3 识别、估计与预测 §6.1 时间序列的概念 6.1.1、随机过程与时间序列 6.1.2、时间序列的数字特征 6.1.3、平稳与非平稳时间序列 6.1.1、随机过程与时间序列 随机过程(Stochastic Process)是一连串随机事件动态关系的定量描述。随机过程论与其他数学、物理分支如位势论、微分方程、复变函数论、力学等有密切的联系,是在自然科学、工程科学及社会科学各领域研究随机现象的重要工具。随机过程论已得到广泛的应用,在诸如天气预报、统计物理、天体物理、运筹决策、经济数学、安全科学、人口理论、可靠性及计算机科学等很多领域都要经常用到随机过程的理论来建立数学模型。为了在模型中能够反映这些因素的影响,并提高模型的精度,需要将它们“量化”。 1、随机过程: 若对于每一特定的t(t∈T),Xt为一随机变量,则称这一族随机变量{ Xt }为一个随机过程。 ? 若T为一区间,则{ Xt }为连续型随机过程。 ? 若T为离散集合,如T=(0,1,2,……)或T=(……,-2,-1,0,1,2,……),则{ Xt }为离散型随机过程。例如,某国某年的GDP总量,是一随机变量,但若考查它随时间变化的情形,则{GDPt}就是随机过程。 (1)随机过程的定义: 一维分布 一维概率分布函数 一维概率密度函数 二维分布 二维概率分布函数 二维概率密度函数 多维分布 多维概率分布函数 多维概率密度函数 (2)随机过程的特征: 1)随机过程的概率分布 均值 方差 均方值 相关函数 互相关函数 协方差函数 互协方差函数 (2)随机过程的特征: 2)随机过程的数字特征 (3)随机过程的基本分类: 按统计特性,可分为平稳随机过程和非平稳随机过程;按记忆特性,可分为纯粹随机过程、马尔可夫过程、独立增量过程;按概率分布,可分为高斯随机过程和非高斯随机过程;按功率谱特性,可分为白噪声过程和有色噪声过程。 2、时间序列: 离散型时间指标集的随机过程通常称为随机型时间序列,简称为时间序列。时间序列是指将某种现象某一个统计指标在不同时间上的各个数值,按时间先后顺序排列而形成的序列。时间序列法是一种定量预测方法,亦称简单外延方法。在统计学中作为一种常用的预测手段被广泛应用。时间序列分析在第二次世界大战前应用于经济预测。二次大战中和战后,在军事科学、空间科学、气象预报和工业自动化等部门的应用更加广泛。时间序列分析(Time series analysis)是一种动态数据处理的统计方法。该方法基于随机过程理论和数理统计学方法,研究随机数据序列所遵从的统计规律,以用于解决实际问题。 6.1.2、随机过程与时间序列 在时间过程上,若一个随机过程的方差和均值均为常数,且在任何两时期的协方差值仅依赖于该两时期间的距离或滞后,而不依赖于计算这个协方差的实际时间,就称它为平稳的。 时间序列的性质: 均值函数 协方差函数 方差函数 自相关函数 6.1.3、平稳时间序列与非平稳时间序列 所谓时间序列的平稳性,是指时间序列的统计规律不会随着时间的推移而发生变化。直观上,一个平稳的时间序列可以看作一条围绕其均值上下波动的曲线。从理论上,有两种意义的平稳性,一是严格平稳,另一种是弱平稳。 严格平稳是指随机过程{X t}的联合分布函数与时间的位移无关。设{X t}为一随机过程,n, h为任意实数,若联合分布函数满足: 则称{Xt}为严格平稳过程,它

文档评论(0)

精品课件 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档