计量经济学第6章时间序列分析说课材料.pptxVIP

第六章 时间序列分析;6.1 时间序列分析的基本概念 6.2 平稳性检验 6.3 ARIMA模型 6.4 协整与误差修正模型 6.5* 向量自回归（VAR）模型;时间序列 随机过程的一次实现称为时间序列，可用{xt}或xt表示。随机过程与时间序列的关系图示如下：; 比如某河流一年的水位值， {x1, x2, …, xT-1, xT,}，可以看做一个随机过程，每一年的水位记录则是一个时间序列，如{x11, x21, …, xT-11, xT1}。 而在每年中同一时刻（如t=2时）的水位记录是不同的，{ x21, x22, …, x2n,} 构成了x2取值的样本空间。;二、平稳性（Stationarity） 1.严平稳 如果一个时间序列xt的联合概率分布不随时间而变，即对于任何n和k， x1, x2 ,…，xn的联合概率分布与x1+k , x2+k , … xn+k的联合分布相同，则称该时间序列是严格平稳的。 ;2、弱平稳 由于在实践中上述联合概率分布很难确定，我们用随机变量 xt （t=1,2,…）的均值、方差和协方差代替之。如果满足：;三、五种经典的时间序列类型 1.白噪声（ White noise） ;2.随机漫步（Random walk） 如果一个序列由如下随机过程生成：