上财计量经济学幻灯片9.pptVIP

9.3 自回归模型的平稳性和相关函数 9.3.2 自回归模型的自相关函数 AR(2)模型的自相关函数 例子 9.3 9.3 自回归模型的平稳性和相关函数 9.3.2 自回归模型的自相关函数 AR(2)模型的偏自相关函数 称 为 阶自回归模型的偏自相关系数（PAC：Partial Auto-Correlation） 9.3 自回归模型的平稳性和相关函数 9.3.2 自回归模型的自相关函数 AR(2)模型的偏自相关函数 AR(k)模型的偏相关函数为 阶数大于 时，偏自相关系数为0，这种现象称为AR模型偏相关函数的截尾性。 偏自相关系数 是剔除 对 的影响后， 和 的相关系数。 9.4自回归模型的定阶和估计 9.4.1 自回归模型定阶 9.4.2 自回归模型估计 9.4.3 自回归模型再定阶—信息准则 9.4自回归模型的定阶和估计 9.4.1 自回归模型定阶 自回归模型的确立：确定阶数 估计 再次确定阶数的循环 自相关函数用来确定采用自回归模型是否合适。如果自相关函数具有拖尾性，则AR模型为合适模型。 偏自相关函数用来确定模型的阶数。如果从某个阶数之后，偏自相关函数的值都很接近0，则取相应的阶数作为模型阶数。 9.4自回归模型的定阶和估计 9.4.1 自回归模型定阶 例子9.3 库存投资模型—定阶 打开包含库存投资变量Invent的工作文件，在主菜单中点击Quick →Series Statistics → Correlogram 9.4自回归模型的定阶和估计 9.4.1 自回归模型定阶 例子9.3 库存投资模型—定阶 在出现的对话框中输入序列（变量）名称，点击OK按钮，弹出的对话框（Correlogram Specification）中有对原数据（level），一阶差分后的数据（1st difference），二阶差分后的数据（2nd difference）的选择，以及自回归包含多少滞后项（Lags to include）。 9.4自回归模型的定阶和估计 9.4.1 自回归模型定阶 例子9.3 库存投资模型—定阶 9.4自回归模型的定阶和估计 9.4.1 自回归模型定阶 例子9.3 库存投资模型—定阶 点击OK后，将显示结果 9.4自回归模型的定阶和估计 9.4.1 自回归模型定阶 例子9.3 库存投资模型—定阶 看自相关（Autocorrelation），发现有拖尾性，故可以选择自回归模型，看偏自相关（Partial Correlation），发现有截尾现象：高于四阶的偏自相关均为0，故可以建立4阶自回归模型AR(4)。 9.4自回归模型的定阶和估计 9.4.2 自回归模型估计 自回归模型估计 最小二乘估计 AR(k)模型仍为线性模型，且误差项 满足基本第4章的假设1~假设4，故得出的估计仍然就有一致性和马尔科夫性。 当样本量较大时，采用滞后变量导致的回归样本减少对估计精度的影响不大。 自回归模型估计 极大似然估计 假设误差项服从正态分布，可以用极大似然估计。 故 自回归模型估计 极大似然估计 对数似然函数为 其最大化得出的估计与最小二乘估计一致。 自回归模型估计 EViews操作 第一种方法：点击主菜单的Quick→ Estimate Equation，若按一般线性回归模型进行设定，则输入 自回归模型估计 EViews操作 输出结果 自回归模型估计 EViews操作 若按自回归模型进行设定，则输入 注意：估计AR(4)时要将AR(1)到AR(4)全部写出。 自回归模型估计 EViews操作 输出结果 自回归模型估计 EViews操作 上述两种估计方法仅截距项的估计不一样，原因是前者采用普通最小二乘法，后者采用约束最小二乘法。在用EViews估计时间序列模型时，应采用第二种设定方法。 自回归模型估计 EViews操作 第二种方法：采用向量自回归VAR估计方法。点击主菜单的Quick→Estimate VAR，点选VAR Type中的Unrestricted VAR，在Endogenous Variables栏中输入变量名invent，在Lag Intervals for Endogenous栏中输入1 2 3 4，在Exogenous Variable