《时间序列分析的一些问题》(张晓峒)20100718.doc

时间序列分析的一些问题 1 引子 有学生问模型的检验和检验十分的好，模型有问题吗？ 有学生问 “假相关”和“伪回归”含义相同吗？ 有学生问多变量时间序列建模要讨论协整，3个或3个以上变量的协整关系就是分别讨论两两协整，则多变量就有协整。 关键词： 伪回归 非平稳 单位根 单位根检验 协整检验和误差校正 2 伪回归 要点 伪回归的概念(以随机模拟入手） 伪回归的表征(以随机模拟入手） 伪回归产生的背景 平稳时间序列 非平稳时间序列(趋势平稳, 差分平稳) 伪回归和假相关的区别 2.1 伪回归概念 动态性和相依是应用经济学中的两个重要的概念。在应用经济计量模型的研究中，这两个概念的相互关系与矛盾都集中在有趋势的变量。首先让我们用一个简单的问题来说明这一点。用EViews模拟{yt}和{xt}是两个独立的时间序列，样本容量为100，模拟1000次，有如下的结果： 如果对上面的两个变量构造简单的线性回归。 Dependent Variable: Y Method: Least Squares Date: 07/05/06 Time: 21:42 Sample: 1 100 Included observations: 100 Variable Coefficient Std. Error t-Statistic Prob. C 4.186912 0.337306 12.41280 0.0000 X -0.603351 0.107762 -5.598899 0.0000 R-squared 0.242352 Mean dependent var 4.885829 Adjusted R-squared 0.234621 S.D. dependent var 3.581795 S.E. of regression 3.133567 Akaike info criterion 5.142019 Sum squared resid 962.2860 Schwarz criterion 5.194122 Log likelihood -255.1009 F-statistic 31.34767 Durbin-Watson stat 0.139037 Prob(F-statistic) 0.000000 如表所示，回归结果从t检验和F检验看，均十分显著，这是一个十分奇怪的结论，两个相互独立的序列，得到了一个有较好拟和优度的模型，为何会出现这样的结果? 如果我们把模型的t检验和F检验视为一种游戏，是游戏的规则出了问题吗？回答是肯定的。游戏的假定条件发生了改变，如果仍然用以前的游戏规则，将可能产生谬误。事实上有如下的结果： 犯第一类错误的概率很大。DW统计的分布集中在零附近。 （t统计量分布尾部十分厚重） （t分布） 伪回归场合DW统计量的分布。 如果对上面的两个变量构造一元线性回归， Dependent Variable: Y Method: Least Squares Date: 07/07/06 Time: 17:00 Sample: 1 100 Included observations: 100 Variable Coefficient Std. Error t-Statistic Prob. C 0.280876 0.108483 2.589125 0.0111 X -0.162148 0.108082 -1.500231 0.1368 R-squared 0.022451 Mean dependent var 0.284074 Adjusted R-squared 0.012476 S.D. dependent var 1.091449 S.E. of regression 1.084619 Akaike info criterion 3.020133 Sum squared resid 115.2871 Sc