第12节 时间序列模型.pptVIP

随机过程yt 经过d 次差分之后可变换为一个以 (L)为p阶自回归算子，? (L)为q阶移动平均 算子的平稳、可逆的随机过程，则称yt 为 （p, d, q）阶单整(单积)自回归移动平均过程， 记为ARIMA (p, d, q)。这种取名的目的是与以 后各章中的称谓相一致。ARIMA过程也称为综 合自回归移动平均过程。其中? (L) ?d称为广义 自回归算子。 * 当p ? 0, d = 0, q ? 0 时， ARIMA (p,d, q)变成ARMA (p, q)过程; d = 0, p = 0, q ? 0时，ARIMA过程变成MA (q)过程； 当d=q=0时,ARIMA过程变成AR(p)过程; 而当 p = d = q = 0时，ARIMA过程变成白噪声过程; * 第五节 时间序列模型的建立与预测 建立时间序列模型通常包括三个步骤: （1）模型的识别; （2）模型参数的估计; （3）诊断与检验。 模型的识别就是通过对相关图的分析，初步确定 适合于给定样本的ARIMA模型形式，即确定d, p, q的取值。 * 中山学院经济与管理系 * 1.模型的识别 模型的识别主要依赖于对相关图与偏相关图的 分析。在对经济时间序列进行分析之前，首先应对 样本数据取对数，目的是消除数据中可能存在的异 方差，然后分析其相关图。 识别的第1步是判断随机过程是否平稳 * 中山学院经济与管理系 * 由前面分析可知，如果一个随机过程是平稳的， 其特征方程的根都应在单位圆之外。如果 (L) = 0的根接近单位圆，自相关函数将衰减的 很慢。所以在分析相关图时，如果发现其衰减很慢 ，即可认为该时间序列是非平稳的。这时应对该时 间序列进行差分，同时分析差分序列的相关图以判 断差分序列的平稳性，直至得到一个平稳的序列。 对于经济时间序列，差分次数，即模型ARIMA中 的参数d通常只取0，1或2 * 中山学院经济与管理系 * 2 模型参数的估计 AR(P)模型的估计采用OLS法. MA(q)和ARMA(q)模型的估计比较复杂. 我们这里通过EVIEWS直接进行估计. * 中山学院经济与管理系 * 3 诊断与检验 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合适。 若不合适，应该知道下一步作何种修改。 这一阶段主要检验拟合的模型是否合理。一是 检验模型参数的估计值是否具有显著性；二是检验 模型的残差序列是否为白噪声。参数估计值的显著 性检验是通过t检验完成的 * 中山学院经济与管理系 * Q检验的零假设是 H0：?1 = ?2 = … = ?K 即模型的误差项是一个白噪声过程。Q统计量定义为 Q = T (T+2) 近似服从 ?2( K - p - q) 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，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。 * 中山学院经济与管理系 * 用残差序列计算Q统计量的值。显然若残差序列 不是白噪声，残差序列中必含有其他成份，自相关 系数不等于零。则Q值将很大，反之Q值将很小。 判别规则是： 若Q ?2? ( K - p - q) ，则接受H0。 若Q ?2? ( K - p - q) ，则拒绝H0。 其中? 表示检验水平。 * 中山学院经济与管理系 * 中山学院经济与管理系 中山学院经济与管理系 第12章 时间序列模型 * 中山学院经济与管理系 * 第12章 时间序列模型 第一节 随机过程、时间序列 第二节 时间序列模型的分类 第三节 自相关函数 第四节 偏自相关函数 第五节 时间序列模型的建立与预测 用什么方法去分析我国外商直接投资的变化趋势 和国内生产总值的变化趋势. 大部分同学都使用了时间变量或者虚拟变量作 为被解释变量来分析外商直接投资的变化趋势.也 就是说采用回归分析的方法来分析外商直接投资和 国内生产总值的变化趋势. * 中山学院经济与管理系 * 回归分析方法主要是以经济理论为基础,根据几个 变量之间的因果关系,建立回归模型来分析变量之 间的关系,以达到分析的目的. 回归分析方法既可以分析横截面数据,也可以分析 时间序列数据. * 中山学院经济与管理系 * 时间序列分析方法由Box-Jenkins (1976) 年提出。它适用于各种领域的时间序列分析。 时间序列模型不同于一般的经济计量模型的两个特点是：