第六章-多元时间序列分析.pptVIP

第六章 多元时间序列分析 多元时间序列分析 很多时间序列的变化规律都会受到到其它序列的影响，因此进行多元时间序列分析就可以提高模型的预测精度。 1976年Box和Jenkins就已经进行过多元时间序列的分析，只不过当时要求所有序列都是平稳的。 1987年Engle和Granger提出协整理论的背景下，多元时间序列分析只要求残差平稳就可以了。因此大大促进了多元时间序列的发展。 本章结构 平稳时间序列建模 虚假回归 单位根检验 协整 误差修正模型 6.1 平稳时间序列建模 ARIMAX模型结构 例6.1 在天然气炉中，输入的是天然气，输出的是 ， 的输出浓度与天然气的输入速率有关。现在以中心化后的天然气输入速率为输入序列，建立 的输出百分浓度模型。 输入/输出序列时序图 输入序列 输出序列 一元分析 拟合输入序列 拟合输出序列 多元分析 协相关图 拟合回归模型 模型结构 模型口径 拟合残差序列 偏自相关图 残差拟合模型 拟合模型 ARIMAX模型拟合效果图 6.2 虚假回归 方程中的各个变量不满足平稳性条件，就容易产生虚假回归(伪回归)的问题 1974年，格兰杰和纽博尔德(Newbold)在一篇论文中证明：两个非平稳的单位根过程，即使它们之间不存在任何线性相关关系，以这两个变量做最小二乘回归得到的参数估计结果仍有显著的t值，这样的回归显然是伪回归。 伪回归的主要原因是由于变量非平稳时，计量经济模型产生的残差过程很可能是一个非平稳过程，则与残差相关的统计量会发生偏倚，进而导致与之相关的检验失去原有的功效。通过显著性检验的参数实际上可能是不显著的，这就是伪回归的实质。 为了正确理解虚假回归的意义，考虑最简单的一元线性回归模型： 接下来检验模型的显著性 6.2 虚假回归 假设条件 检验统计量 虚假回归 6.3 单位根检验 定义 通过检验特征根是在单位圆内还是单位圆上（外），来检验序列的平稳性 方法 DF检验 ADF检验 PP检验 DF检验(Dickey-Fuller) 考虑1阶自回归序列 假设条件 原假设：序列非平稳 备择假设：序列平稳 检验统计量 DF统计量 时 时 时 DF检验的等价表达 考虑另一种 方程形式 等价假设 检验统计量 DF检验 DF统计量有自己的分位数表 DF临界值，拒绝原假设，认为原序列平稳 DF临界值，接受原假设，认为原序列非平稳 DF检验是左单端检验 因为 ? 1意味着强非平稳，? 1意味着平稳。当接受? 1，拒绝 ? = 1时，自然也应拒绝? 1 。 ? = -1时的DF分布是? = 1时的DF分布的镜像，所以只研究? = 1条件下DF的分布即可。对于经济问题，很少出现 ? = -1的情形。 DF检验 DF检验 在实际检验中，若H0不能被拒绝，说明Xt是非平稳(起码为一阶非平稳序列)。接下来应该继续检验 Xt 的平稳性。直至结论为平稳为止。从而获知 Xt为几阶单整序列。 DF检验的三种类型 第一种类型 第二种类型 第三种类型 典型非平稳过程 典型非平稳过程 典型非平稳过程 DF检验 怎样选择单位根检验式呢？ 一般方法是当被检验序列中存在趋势项时，则应该采用后两种形式。如不存在趋势项时，则应该采用第一种形式。 例6.2 对1978年－2002年中国农村居民家庭人均纯收入对数序列 和生活消费支出对数序列 进行检验 例6.2 时序图 例6.2 收入序列的DF检验 例6.2 支出序列的DF检验 ADF检验 DF检验只适用于AR(1)过程的平稳性检验 。为了使检验能适用于AR(p)过程的平稳性检验，人们对检验进行了一定的修正，得到增广检验（Augmented Dickey－Fuller），简记为ADF检验 ADF检验的原理 若AR(p)序列有单位根存在，则自回归系数之和恰好等于1 ADF检验 等价假设 检验统计量 ADF检验的三种类型 第一种类型 第二种类型 第三种类型 例6.2续 对1978年－2002年中国农村居民家庭人均纯收入对数差分后序列 和生活消费支出对数差分后序列 进行检验 例6.2 序列的ADF检验 EViews结果 例6.2 序列的ADF检验 EViews结果 PP检验 ADF检验主要适用于方差齐性场合，它对于异方差序列的平稳性检验效果不佳(ADF检验假定条件：VAR(?t) =? 2) Phillips和 Perron于1988年对ADF检验进行了非参数修正，提出了PP检验统计量。 PP检验统计量适用于异方差场合的平稳性检验，且服从相应的