计量经济学-2016-2017学年第一学期-15.pptxVIP

计量经济学;第十四章 扰动项建模及ARIMA模型;3;4;5;1.2. ARMA模型及种类 【自回归AR(p) 】 p阶自回归模型记作AR(p)，满足下面的方程： 其中：参数c 为常数；?1 , ?2 ,…, ?p 是自回归模型系数；p为自回归模型阶数；? t是均值为0，方差为? 2的白噪声序列。 【移动平均MA(q) 】 q阶移动平均模型记作MA(q) ，满足下面的方程： 其中：参数 ? 为常数；参数?1 , ?2 ,…, ?q是q阶移动平均模型的系数；? t是均值为0，方差为? 2的白噪声序列。 ;1.2. ARMA模型及种类 【ARMA(p,q) 】 p阶自回归、q阶移动平均的组合形式，记作ARMA(p，q) ，其方程为： 当p = 0时，ARMA(0, q) = MA(q)；当q = 0时，ARMA(p, 0) = AR(p)。 说明：对于一个平稳的时间序列ut，我们总假定其符合三种形式之一。;1.3.ARMA模型的平稳性 ; 则 ?(z) 是一个关于z的p次多项式，AR(p) 模型平稳的充要条件是?(z) =0的根全部落在单位圆之外。 可以证明如果AR(p)模型满足平稳性条件，则 可以表示为如下MA(?)的形式 ;10; 沃尔德分解定理（Wold定理） 任何零均值协方差平稳过程ut可表示成如下形式 其中： 。? t是白噪声序列，对于任意的j，?t的值与? t-j无关。?t称为ut的确定性分量，而 称为 线性非确定性分量。 ;1.3.ARMA模型的平稳性 【MA(q) 的可逆性】 考察MA(q) 模型 若 的根全部落在单位圆之外，则MA(q) 模型称为可逆的。;;【ARMA(p,q) 平稳性条件 】 ARMA(p,q) 模型包括了一个自回归模型AR(p)和一个移动平均模型MA(q) 或者以滞后算子多项式的形式表示 ;对于ARMA模型 方程两边同除以Φ(L)得到： ;1.4.ARMA模型的识别 ;其中 是序列的样本均值，这是相距k期值的相关系数，称rk为时间序列ut的自相关系数。 自相关系数可以部分的刻画一个随机过程的性质。它告诉我们在序列ut的邻近数据之间存在多大程度的相关性。通常的，AR(p) 模型的自相关系数是随着k的增加而呈现指数衰减或者震荡式的衰减，具体的衰减形式取决于AR(p) 模型滞后项的系数。;【偏自相关系数】 偏自相关系数是指在给定ut-1，ut-2，…，ut-k的条件下，ut与ut-k之间的条件相关性。其相关程度用偏自相关系数? k , k度量。在p阶滞后下估计偏相关系数的计算公式如下 其中：rk 是在k阶滞后时的自相关系数估计值 称之为偏相关是因为它度量了k期间距的相关而不考虑k -1期的相关。;经过证明：一个纯的p 阶自回归过程AR(p) 的偏相关系数在p阶截尾，而纯的移动平均函数的偏相关过程渐进趋于零。因此，如果我们能求出关于? k , k的估计值，用以检验其显著性水平，就能够确定时间序列ut的自相关的阶数。 ;20;【AR模型的识别 】 可以不加证明的给出AR(p)过程的自相关系数 ; 因此，可以通过自相关系数来获得一些有关AR(p) 模型的信息，如低阶AR(p) 模型系数符号的信息。但是，对于自回归过程AR(p)，自相关系数并不能帮助我们确定AR(p) 模型的阶数p。 对于一个AR(p)模型 可以得到：其偏自相关系数为：?k,k= ?k (k =1，2，…，p)。因此对于一个AR(p) 模型，? k,k的最高阶数为p，也即AR(p) 模型的偏自相关系数是p阶截尾的。 综上，如果一个序列的偏自相关系数在某一阶数p后截尾，而其自相关系数呈现衰减的拖??，此可以大致确定它应该服从一个AR(p) 过程。;23;24;25;26;27;28;29;30;31;32;33;34;35;36;37;38;39;40;41;42;43;44;45;46;47;48;49;50;51;52;53;54;55;56;57;58;59;60;61;