时间序列计量经济学一平稳性及其检验.pptVIP

第十四章时间序列的平稳性及其检验 时间序列计量经济学基础篇 第十四章时间序列的平稳性及其检验 第十五章随机时间序列分析模型 第十六章协整分析与误差修正模型 第十四章时间序列的平稳性及其检验 第一节非平稳变量与经典回归模型 第二节时间序列数据的平稳性 第三节平稳性的图示判断 第四节平稳性的单位根检验 第五节单整、趋势平稳与差分平稳随机过程 第一节非平稳变量与经典回归 模型 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) ★时间序列数据是最常见,也是最常用到的数据 第一节非平稳变量与经典回归模型 ■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三三 一致性”要求一一被破怀。 经典回归分析的假设之一:解释变量X是非 随机变量 第一节非平稳变量与经典回归模型 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u不相关:Cov(X,u)=0 (2)∑(x-)1n依概率收敛:im(x-x)m)=Q 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”特性 Pim (B)=p 第一节非平稳变量与经典回归模型 注意:在双变量模型中 cu xu/n B=B+ B+ x:/n 因此:PmB=B+pm∑x→= Plimx u /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。 第一节非平稳变量与经典回归模型 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决 定系数。 第一节非平稳变量与经典回归模型 在现实经济生活中,实际的时间序列数据往往 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。 第二节时间序列数据的平稳性 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X}(t=1,2,…)的 每一个数值都是从一个概率分布中随机得到,如果满 足下列条件: 1)均值E(X=u是与时间t无关的常数; 2)方差varX=a2是与时间t无关的常数; 3)协方差CoX,X)=Y是只与时期间隔k有关,与时间 t无关的常数 则称该随机时间序列是平稳的( stationary),而该随 机过程是一平稳随机过程( stationary stochastic process。