计量经济学精编本课件于俊年 ISBN9787811343038 PPT精10.2.pptVIP

* §10.2 自回归过程 AR( p ) 如果预测是分析的目的，那么，随机过程的元 素 对它的过去的依赖性就很重要。存在这种依 赖性的简单例子是自回归过程： yt = φ yt-1+ ut (10.2.1) 便是这样一种过程，其中ut为白噪声 。 更一般地，这个过程有以下形式： (10.2.2) 其中ut为白噪声，(10.2.2)称为p阶自回归 (Autoregressive)过程，记作AR( p )。据此，(10.2.1) 便是一阶自回归过程AR(1)。 一、自回归过程的平稳条件 只有产生时间序列的随机过程是平稳的，用自回归 模型进行预测才有意义。因此，我们首先应研究自 回归过程的平稳条件。 (一) 一阶自回归过程 对于一阶自回归过程(10.2.1) yt = φyt-1 +ut = ut +φ(φyt-2 +ut-1) … … … = ut +φut-1 +φ2 ut-2 +φ3 ut-3 + … (10.2.3) 可以看到，一阶自回归过程(10.2.1)可以表示成白 噪声序列的线性组合。 由于E(ut) = 0，所以E(yt) = 0，平稳条件1显然满 足。对(10.2.3)两端取方差： (10.2.4) 仅当|φ|＜1时，(10.2.4)才有 (10.2.5) 表明，只有当|φ|＜1时，平稳条件2才成立。 由(10.2.3)有 (10.2.3)′ (10.2.6) 当|φ|＜1时，(10.2.6)便有 (10.2.7) 其中 。 (10.2.7)式表明， 仅与间隔时期数k有关， 而与时间点t无关，平稳条件3成立。 综上所述，对于一阶自回归过程(10.2.1)，只要系数 φ的绝对值｜φ｜＜1，便是平稳过程。 (二) p 阶自回归过程 将(10.2.2)改写成 (10.2.8) 引进算符多项式： (10.2.9) 则(10.2.8)可改写成： 或 (10.2.10) 若(10.2.2)是平稳随机过程，则 必定收敛， 即yt可表示为白噪声的无穷加权和。 可以证明， 收敛的充要条件是算符多项式 的特征方程 (10.2.11) 的根全部在复平面上单位圆周之外，或所有根的模 ｜z｜＞1。即 p 阶自回归过程的平稳条件为 (10.2.12) z1和z2分别为实部和虚部。 当 p = 1时，(13.2.11)写成  1- φ z = 0 解方程得 则平稳条件： 即｜φ｜＜1 同前面的结论相同。 为了研究方便，如果不作特殊说明，我们总是假定： 1.所有自回归过程都是平稳过程。 当发现时间序列是非平稳的，要清除非平稳性，一 般采用差分法。只要对原始数据进行适当阶数的差 分处理，便可消除非平稳性。 2.自回归过程中每个元素的期望值都为0即E(yt)= 0。 如果实际的时间序列的均值 ,则可对它进行 中心化 ，中心化后的时间序列必然有零期 望值。 二、自回归过程的自相关函数 一阶自回归过程AR(1)的自相关函数，利用(10.2.7) 可直接写出 (10.2.13) AR(p)的自相关函数，由于 (10.2.14) 将(10.2.2)代入(10.2.14)得 (10.2.15) 当k = 0时， (10.2.16) 对AR(1)便有 (10.2.17) 再由(10.2.15)有 (10.2.18) 把(10.2.18)代入(10.2.17)整理得 (10.2.19) 此结果与(10.2.5)相同。 用 除(10.2.15)式两端，得 (10.2.20) (10.2.20)便是自回归过程AR(p)自相关函数的表达式 (也称递推公式)。 在自相关函数表达式(10.2.20)中，令k = 1,2,3,…，p, 则得一组方程式，称之为尤拉-沃克（Yule-Walker） 方程：  ρ1 =φ1+ φ2 ρ1 +φ3 ρ2 + …+φp ρp-1 ρ2 =φ1 ρ1 + φ2 +φ3 ρ1 + …+φp ρp-2 ρ3 =φ1 ρ2 +