ch8时间序列模型.pptVIP

8.1.1时间序列模型 8.1.2非平稳变量与经典回归模型 8.1.3时间序列数据的平稳性 8.1.4平稳性的图示判断 8.1.5平稳性的单位根检验 8.1.6单整、趋势平稳与差分平稳随机过程 ⒈常见的数据类型 表现在:两个本来没有任何因果关系的变量，却有很高的相关性（有较高的R2)： 例如：如果有两列时间序列数据表现出一致的变化趋势（非平稳的），即使它们没有任何有意义的关系，但进行回归也可表现出较高的可决系数。 在现实经济生活中： 情况往往是实际的时间序列数据是非平稳的，而且主要的经济变量如消费、收入、价格往往表现为一致的上升或下降。这样，仍然通过经典的因果关系模型进行分析，一般不会得到有意义的结果。 时间序列分析模型方法就是在这样的情况下，以通过揭示时间序列自身的变化规律为主线而发展起来的全新的计量经济学方法论。 时间序列分析中首先遇到的问题是关于时间序列数据的平稳性问题。 例8.1.1一个最简单的随机时间序列是一具有零均值同方差的独立分布序列： Xt=?t ， ?t~N(0,?2) 8.2中将证明:只有当-1?1时，该随机过程才是平稳的。 给出一个随机时间序列，首先可通过该序列的时间路径图来粗略地判断它是否是平稳的。 一个平稳的时间序列在图形上往往表现出一种围绕