第八章时间序列计量模型新.ppt

同理，MA(q)过程的自相关函数也具有截尾特征。当k≤q时，自相关函数呈衰减特征。当kq时，自相关函数为0，具有截尾特征。 三、随机时间序列模型的建立 对于时间序列模型，完成了平稳性检验和模型识别后就可以估计模型参数建立计量模型。时间序列模型的建立主要有以下三个步骤。 第一步，进行模型识别。 第二步，模型参数的估计。 对AR(p)模型的估计较简单。因为滞后变量都是t期以前的，这些滞后变量与误差项相互独立，所以可以使用普通最小二乘法估计模型参数，得到具有一致性的估计量。 对于MA(q)和ARMA(p,q)模型的估计就比较困难。不能简单的用最小二乘法估计参数，一般应该采用迭代式的非线性最小二乘法，这些方法在流行的经济计量分析软件中的广泛使用。 完成模型的识别与参数估计后，应对估计结果进行诊断与检验，以求发现所选用的模型是否正确。若不合适，应该知道下一步怎样修改。 这一阶段主要检验拟合的模型是否正确。一是检验估计值是否具有统计显著性；二是检验残差序列的随机性。 参数估计值的显著性检验是通过t统计量完成的，而模型拟合的优劣以及残差序列随机性的判别是用伯克斯-皮尔斯（Box-Pierce,1970）提出的Q统计量完成的。 若拟合模型的误差项为白噪声过程，统计量 渐近服从 分布，其中T表示样本容量，rk表示用残差序列计算的自相关系数值，K表示自相关系数的个数或最大滞后期，p表示模型自回归部分的最大滞后值，q表示移动平均部分的最大滞后值。 这时的原假设为 （模型的误差序列是白噪声过程）。 用残差序列计算自相关系数估计值，进而计算Q统计量的值。若拟合的模型不正确，残差序列中必含有其他成分，Q值将很大。反之，Q值将很小。判别规则是： 若 ，则接受H0。 若 ，则拒绝H0。 其中α表示检验水平。 EViews操作： 1.进入方程对话框，输入自回归模型估计命令 D(Y) c AR(1) 2.如果有移动平均项，用MA（q）表示。 3.点View键，选Residual Tests,Correlogram-Q-statistics,指定滞后期，得到残差序列的相关和偏相关图。 4.点击估计结果窗口的Forcast键，进行预测。 自相关图判断： 平稳序列：自相关系数很快（滞后阶数大于2或3）趋于0，即落入随机区间。 非平稳序列：自相关系数很慢趋于0。 白噪声序列：自相关系数都落入随机区间。 第四节 协整与误差修正模型 一、协整的概念 协整（Cointegration）的概念是由恩格尔和格兰杰（Engle and Granger）于1987年正式指出，这个概念的提出使得非零阶单整变量的回归也变得有意义。 经济系统中的某些变量具有长期依存关系，经济学中称其为均衡关系，这种均衡关系的存在是经济计量等建模的依据。 这种均衡关系的存在表示经济系统中形成均衡的机制是稳定的，当因为季节影响或随机干扰这些变量偏离其均衡点时，均衡机制会在下一期进行调整使其重新回到均衡状态。但是，如果这种偏离是持久的，则变量之间的均衡机制是不稳定的，均衡关系已遭到破坏。协整就是这种均衡关系的统计表示。 协整概念的提出使得我们能研究两个或多个变量之间的均衡关系。对于每个单独的序列而言可能是非平稳的，但是这些时间序列的线性组合却可能是平稳的。 协整：时间序列{Xt}，{Yt}是两个I（1）过程，如果存在β使得Yt-βXt成为I（0）过程，则称Xt和Yt是协整的。其实，协整就是指多个非平稳时间序列的某种线性组合是平稳的。 协整的定义告诉我们，只有两个变量都是单整变量，并且它们的单整阶数相同时，才能协整，如果它们的单整阶数不同，就不可能协整。 协整的经济定义在于：具有各自长期波动规律的两个时间序列，如果它们是协整的，则它们之间存在着一个长期稳定的协整关系。从变量之间的协整关系出发建立经济计量模型是牢固可靠的，可以避免出现伪回归。因此，协整检验是经济计量分析建模的根本所在。 二、 协整的检验 协整检验从检验对象上可以分为两类，一类是基于回归残差的协整检验，这种检验也称为单一方程的协整检验。另一类是基于回归系数的协整检验。这里，我们只考虑单一方程的协整检验。 1.两变量的恩格尔－格兰杰检验 这种协整检验方法就是对回归方程的残差进行单位根检验。从协整的思想来看，两变量之间具有协整关系就是具有长期均衡关系。因此，被解释变量不能由解释变量解释的部分