实证课件第10章时间序列数据.pptVIP

时间序列数据与截面数据 时间序列数据就是按时间排序 我们在以前的基础上对假设做出一些改变，考虑不再有个体的随机样本的个体 相反，我们有了一个随机过程或者时间序列过程的意识。 时间序列模型的例子 联系x 与y同期变量的静态模型: yt = b0 + b1zt + ut 有限分布滞后模型 (FDL) 运行一个或者更多变量的滞后对于 y 产生影响，如: yt = a0 + d0zt + d1zt-1 + d2zt-2 + ut 更一般, 一个q阶有限分布滞后模型包括 变量z的q阶滞后 有限分布滞后模型 我们称 d0 为冲击倾向 – 反映了对 y 的临时冲击 暂时的冲击——1期的变化之后, y 在q+1期便回到原来的水平 我们称 d0 + d1 +…+ dq 长期冲击 (LRP) – 反应从某一期开始后，x的变化将持续下去，导致了y收到长期的冲击 无偏性假设 仍然假定一个模型，对于参数是线性的: yt = b0 + b1xt1 + . . .+ bkxtk + ut 仍然需要作出0条件均值假定: E(ut|X) = 0, t = 1, 2, …, n 注意，这意味着任何一期的误差项都与所有时期的解释变量无关 假设 (续) 0条件均值假设意味着x是严格外生的 另一个假设, 与截面数据情况一样: E(ut|xt) = 0 意味着x在同期是外生的 同期的外生性仅