第十 非平稳经济变量分析.pptVIP

* 第十章 非平稳经济变量分析 Granger定理的重要意义在于证明了协整概念与误差修正模型的必然联系。若非平稳变量之间存在协整关系，则必然可以建立误差修正模型；若用非平稳变量可以建立误差修正模型，则该变量之间必然存在协整关系。 * 第十章 非平稳经济变量分析 复习思考题 1．请说出平稳时间序列和非平稳时间序列的区别，并解释为什么在实证分析中确定经济时间序列的性质是十分必要的。 2．什么是伪回归？在回归中使用非均衡时间序列时是否必定会造成伪回归？ 3．有人说，协整分析实质上是一种缺乏理论基础的“归纳(inductive)”方法。请对上述说法谈谈你的看法。 第十章 非平稳经济变量分析 第十章 非平稳经济变量分析 * 第十章 非平稳经济变量分析 一． 平稳性（Stationarity） 严格平稳性 (strict stationarity) 如果一个时间序列Xt的联合概率分布不随时间而 变，即对于任何n和k，X1,X2,…，Xn的联合概率分布 与X1+k,X2+k,…Xn+k 的联合分布相同，则称该时间序列 是严格平稳的。 问题的引出 * 第十章 非平稳经济变量分析 2. 弱平稳性 (weak stationarity) 由于在实践中上述联合概率分布很难确定，我们用随机变量Xt（t=1,2,…）的均值、方差和协方差代替之。一个时间序列是“弱平稳的”，如果： （1）均值 E(Xt) =μ，t=1,2,… （2 ）方差 Var(Xt) = E(Xt -μ)2 =σ2，t =1,2,… （3）协方差 Cov(Xt, Xt+k）= E [(Xt -μ)(Xt+k -μ)]＝ rk， t=1,2,…，k≠0 * 第十章 非平稳经济变量分析 3. 平稳性和非平稳性 通常情况下，我们所说的平稳性指的就是弱平稳性。一般来说，如果一个时间序列的均值和方差在任何时间保持恒定，并且两个时期t和t+k之间的协方差仅依赖于两时期之间的距离（间隔或滞后）k，而与计算这些协方差的实际时期t无关，则该时间序列是平稳的。 只要这三个条件不全满足，则该时间序列是非平稳的。事实上，大多数经济时间序列是非平稳的。例如，某国的私人消费（CP）和个人可支配收入（PDI）这两个时间序列都有一种向上的趋势，几乎可以断定它们不满足平稳性条件，因而是非平稳的。 * 第十章 非平稳经济变量分析 * 第十章 非平稳经济变量分析 二． 几种有用的时间序列模型 1、白噪声（ White noise） 白噪声通常用εt表示，是一个纯粹的随机过程，满足: （1） E(εt) = 0 , 对所有t成立； （2） V ar(εt) = σ2，对所有t成立； （3） Cov (εt, εt+k) = 0，对所有t和k≠0成立。 白噪声可用符号表示为： εt～IID(0, σ2) 注：这里IID为Independently Identically Distributed（独立同分布)的缩写。 * 第十章 非平稳经济变量分析 2、随机漫步（Random walk） 随机漫步是一个简单随机过程，由下式确定： Xt = Xt－1+εt 其中εt为白噪声。 Xt的均值： E(Xt）= E(Xt-1+εt）= E(Xt－1) + E(εt) = E(Xt－1) 这表明Xt的均值不随时间而变。 为求Xt的方差，对上式进行一系列置换： Xt = Xt－1+εt = Xt－2+εt-1+εt = Xt－3+εt-2+εt-1+εt =…… = X0+ε1+ε2+……+εt = X0+∑εt * 第十章 非平稳经济变量分析 其中X0是Xt的初始值，可假定为任何常数或取初值为0，则 这表明Xt的方差随时间而增大，平稳性的第二个条件不满足，因此，随机漫步时间序列是非平稳时间序列。可是，若写成一阶差分形式： ΔXt=εt 这个一阶差分新变量ΔXt