时间序列计量经济学.pptxVIP

§21.1 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;⒈常见的数据类型;⒉经典回归模型与数据的平稳性; 第（2）条是为了满足统计推断中大样本下的“一致性”特性：; 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。;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。;平稳随机过程 某一随机过程的均值和方差都为与实践无关的常数，并且在任何两期之间的协方差值仅仅依赖于该两期间的距离和滞后，而不依赖于计算的时间，这一随机过程就为平稳过程。 简言之，若一个时间序列是平稳的，则不管在什么时间测量，它的均值、方差和（各种滞后的）自协方差都保持不变，即它们都不随时间而变化。 平稳时间序列有回到其均值的趋势，可以称之为均值回复过程，围绕均值波动且有大致恒定的振幅。 ;严平稳的定义;非平稳过程 若某一过程不满足上述平稳过程定义中的某一条性质，即均值、方差和协方差都随时间而变化，或者其一会随时间变化，都为非平稳过程;随机游走过程就是非平稳过程 随机游走过程分为： （1）不带漂移的随机游走（即不存在常数项或截距项） （2）带漂移的随机游走（出现常数项或截距项）; 后面将会看到:如果一个时间序列是非平稳的，它常常可通过取差分的方法而形成平稳序列。 事实上，随机游走过程是下面我们称之为1阶自回归AR(1)过程的特例 Xt=?Xt-1+?t 不难验证:1)|?|1时，该随机过程生成的时间序列是发散的，表现为持续上升(?1)或持续下降(?-1)，因此是非平稳的，这种非平稳归因于过程中存在某种趋势；; 只有当-1?1时，该随机过程才是平稳的。;单整、趋势平稳与差分平稳随机过程; ; 一般地，如果一个时间序列经过d次差分后变成平稳序列，则称原序列是d 阶单整（integrated of d）序列，记为I(d)。 显然，I(0)代表一平稳时间序列。 现实经济生活中: 1)只有少数经济指标的时间序列表现为平稳的，如利率等; 2)大多数指标的时间序列是非平稳的，如一些价格指数常常是2阶单整的，以不变价格表示的消费额、收入等常表现为1阶单整。 大多数非平稳的时间序列一般可通过一次或多次差分的形式变为平稳的。 但也有一些时间序列，无论经过多少次差分，都不能变为平稳的。这种序列被称为非单整的（non-integrated）。;若一个时间序列的趋势完全可以预测而且保持不变，我们称为确定性趋势 若这个时间序列的趋势不能预测，则称之为随机性趋势。;　1)如果?=1，?=0，则（*）式成为一带位移的随机游走过程： Xt=?+Xt-1+?t （**） 根据?的正负，Xt表现出明显的上升或下降趋势。这种趋势称为随机性趋势（stochastic trend）。 2)如果?=0，??0，则（*）式成为一带时间趋势的随机变化过程： 　　　 Xt=?+?t+?t 　　　　　　　 （***） 根据?的正负，Xt表现出明显的上升或下降趋势。这种趋势称为确定性趋势（deterministic trend）。; 3) 如果?=1，??0，则Xt包含有确定性与随机性两种趋势。 ; 随机性趋势可通过差分的方法消除;　确定性趋势无法通过差分的方法消除，而只能通过除去趋势项消除，; 谬误回归现象;　为了避免这种虚假回归的产生，通常的做法是引入作为趋势变量的时间，这样包含有时间趋势变量的回归，可以消除这种趋势性的影响。;三、平稳性检验的图示判断;给出一个随机时间序列，首先可通过该序列的时间路径图来粗略地判断它是否是平稳的。 一个平稳的时间序列在图形上往往表现出一种围绕其均值不断波动的过程； 而非平稳序列则往往表现出在不同的时间段具有不同的均值（如持续上升或持续下降）。 ;进一步的判断: 检验样本自相关函数及其图形;一个时间序列的样本自相关函数定义为：;注意:; 该统计量近似地服从自由