计量经济学课件时间序列经济学模型.ppt

第九章 时间序列计量经济学模型 时间序列的平稳性及其检验 随机时间序列分析模型 协整分析与误差修正模型 §9.1 时间序列的平稳性及其检验 一、问题的引出：非平稳变量与经典回归模型 二、时间序列数据的平稳性 三、平稳性的图示判断 四、平稳性的单位根检验 五、单整、趋势平稳与差分平稳随机过程 ⒈常见的数据类型 到目前为止，经典计量经济模型常用到的数据有： 时间序列数据（time-series data) 截面数据(cross-sectional data) 平行/面板数据（panel data/time-series cross-section data) ★时间序列数据是最常见，也是最常用到的数据 放宽该假设：X是随机变量，则需进一步要求： (1) X与随机扰动项 ? 不相关∶Cov(X,?)=0 (2)依概率收敛： 第(1)条是OLS估计的需要 第(2)条是为了满足统计推断中 大样本下的“一致性”特性： 表现在:两个本来没有任何因果关系的变量，却有很高的相关性（有较高的R2)。例如：如果有两列时间序列数据表现出一致的变化趋势（非平稳的），即使它们没有任何有意义的关系，但进行回归也可表现出较高的可决系数。 在现实经济生活中，实际的时间序列数据往往是非平稳的，而且主要的经济变量如消费、收入、价格往往表现为一致的上升或下降。这样，仍然通过经典的因果关系模型进行分析，一般不会得到有意义的结果。 二、时间序列数据的平稳性 定义：假定某个时间序列是由某一随机过程（stochastic process）生成的，即假定时间序列{Xt}（t=1, 2, …）的每一个数值都是从一个概率分布中随机得到，如果满足下列条件： 1）均值E(Xt)=?是与时间t 无关的常数； 2）方差Var(Xt)=?2是与时间t 无关的常数； 3）协方差Cov (Xt , Xt+k)=?k 是只与时期间隔k有关，与时间t 无关的常数； 则称该随机时间序列是平稳的（stationary)，而该随机过程是一平稳随机过程（stationary stochastic process）。 例9.1.2．另一个简单的随机时间列序被称为随机游走（random walk），该序列由如下随机过程生成： X t=Xt-1+?t 这里， ?t是一个白噪声。 容易知道该序列有相同的均值：E(Xt)=E(Xt-1) 为了检验该序列是否具有相同的方差，可假设Xt的初值为X0，则易知: X1=X0+?1 X2=X1+?2=X0+?1+?2 … … Xt=X0+?1+?2+…+?t 由于X0为常数，?t是一个白噪声，因此: Var(Xt)=t?2 即Xt的方差与时间t有关而非常数，它是一个非平稳的 序列。 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）。 也可检验对所有k0，自相关系数都为0的联合假设，这可通过有面的QLB统计量进行： 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: 例9.1.4：检验中国支出法GDP时间序列的平稳性。 表9.1.2 1978~2000年中国支出法GDP（单位：亿元） 图形：表现出了一个持续上升的过程，可初步判断是非平稳的。 样本自相关系数：是缓慢下降的，再次表明它的非平稳性。 从滞后18期的QLB统计量看： QLB(18)=57.1828.86=?2(0.05) 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。 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。 对式：Xt=?Xt-1+?t 进行回归，如果确实发现?=1，就说随机变量Xt有一个单位根。 该式可变成差分形式： ?Xt=(?-1)Xt-1+?t =?Xt-1+? t 检验原式是否存