第九章时间序列计量经济学模型的理论与方法(计量经济学).pdf

第九章 时间序列计量经济学模型的理论与方法 第一节 时间序列的平稳性及其检验 第二节 随机时间序列模型的识别和估计 第三节 协整分析与误差修正模型 §9.1 时间序列的平稳性及其检验 一、问题的引出：非平稳变量与经典回归 模型 二、时间序列数据的平稳性 三、平稳性的图示判断 四、平稳性的单位根检验 五、单整、趋势平稳与差分平稳随机过程 一、问题的引出：非平稳变量与经典 回归模型 ⒈常见的数据类型 到目前为止，经典计量经济模型常用到的数据有： • 时间序列数据 （time-series data) ； • 截面数据(cross-sectional data) • 平行/面板数据 （panel data/time-series cross-section data) ★时间序列数据是最常见，也是最常用到的数据。 ⒉经典回归模型与数据的平稳性 • 经典回归分析暗含着一个重要假设：数据是平稳 的。 • 数据非平稳，大样本下的统计推断基础——“一致 性”要求——被破怀。 • 经典回归分析的假设之一：解释变量X是非随机变 量 • 放宽该假设：X是随机变量，则需进一步要求： (1)X与随机扰动项 不相关∶Cov(X,)=0 2 (2) (X i X )2 / n 依概率收 P lim((X i X ) / n) Q n 敛： 第（1）条是OLS估计的需要 第（2 ）条是为了满足统计推断中大样本下的“一致性” ˆ 特性： P lim()  n 注意：在双变量模型中： x u x u / n ˆ i i i i    2   2 xi xi / n 因 P lim x u / n 0 ˆ i i 此： P lim    2    n P lim xi / n Q ▲如果X是非平稳数据 （如表现出向上的趋势）， 则（2 ）不成立，回归估计量不满足“一致性”，基于 大样本的统计推断也就遇到麻烦。 ⒊ 数据非平稳，往往导致出现“虚假回归” 问题 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。 时间序列分析已组成现代计量经济学的重要内 容，并广泛应用于经济分析与预测当中。 二、时间序列数据的平稳性 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。 假定某个时间序列是由某一随机过程 （stochastic process ）生成的，即假定时间序列{Xt}