第九章时间序列数据的建模.pptVIP

第八章 时间序列数据的建模 时间序列数据反映某变量在时间上的变化 横截面数据可以理解为一个抽样的结果，时间序列数据一般理解为一个随机过程的一个实现。 主要内容 一、核心概念 平稳、单位根检验、单整、协整 二、分布滞后模型 三、时间序列的Box-Jenkins建模 一、核心概念 （一）平稳性 1、平稳的定义 2、自相关函数 3、白噪声序列 4、典型非平稳序列 5、序列不平稳的影响——谬误回归 1、平稳的定义 平稳性就是一个系统达到统计平衡状态，其统计特性不随时间而变化。 统计特性可以用概率分布来描述，所以如果： 1、平稳的定义 完全平稳（严平稳）的条件十分苛刻，所以，一般只要求二者分布的主要统计特征相同即可。 实践中常用的平稳概念实际是二阶平稳，称为宽平稳。 1、平稳的定义 宽平稳要满足如下三个条件： 1、平稳的定义 1、平稳的定义 2、自相关函数 3、白噪声序列 如果一个平稳序列具有如下特征，则称为白噪声序列： 其自相关函数为： 4、典型非平稳序列 随机游走 5、序列不平稳的影响——谬误回归 如果使用非平稳序列进行回归，容易出现两个独立的序列表现出强相关关系，统计检验显著的现象，称为谬误回归（spurious regression） 5、序列不平稳的影响——谬误回归 两个变量独立，期望回归系数为0，进行检验应该有很大概率不能拒绝原假设 5、序列不平稳