- 1、本文档共34页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第九章 结构型时间序列模型
时间序列回归模型分类:
不含外生变量的非结构型模型,包括单方程模型(如ARMA模型)和 多方程模型(如向量自回归模型, VAR)
传统的结构模型,包括含有外生变量的单方程回归模型(如确定性趋 势或季节模型、静态模型、分布滞后模型、自回归分布滞后模型等)和联立 方程模型
协整和误差修正模型等现代时间序列模型
第二、三类模型反统称为结构型时间序列模型。本意将对最基本的几种 结构型时间序列模型进行简要介绍
第一节确定性趋势与季节模型
确定性趋势与季节模型将经济变量看作是时间的某种函数,用于描述时 间序列观测值的长期趋势特征和周期性变动特征。其中的自变量是确定性的 时间变量t或反映季节的虚拟变量。
由于自变量是非随机变量,自然是严格外生的,所以不涉及诸如非平稳 性、高度持久等问题,一般可以如同横截面数据一样,直接使用经典线性模 型的回归分析方法。
一、确定性趋势模型
(一)种类
按照因变量y与时间t的关系不同,常用的确定性趋势模型主要有以下三
类:
线性趋势模型
yt 0 it ” (9.1)
当时间序列的逐期增长量(即一阶一次差分 y yt yt 1)大体相同时,
可以考虑拟合直线趋势方程。
曲线趋势模型
yt 0 it 2t2 ktk Ut (9.2)
若逐期增长量的逐期增长量(二阶一次差分2yt yt yt 1)大致相同,
可拟合二次曲线yt 0 1t 2t2 Ut o
类似地,如果事物发展趋势有两个拐点,可以拟合三次曲线
yt 0 it 2t2 3t3 u*其他更高次的曲线趋势比较少用
指数曲线模型
yt 0 i甘
或
ln(yt) In ° (ln i)t Ut
指数曲线的特点是各期的环比增长速度大体相同(即自然对数的一阶一 次差分yt / yt 1 In yt In y i基本为常数),时间序列的逐期观测值大致按 定的白分比递增或衰减。
为了更好地表现事物发展的特征,我们还可以给指数曲线设置发展的上 限或下限(渐进线)。常用的带渐进线的指数曲线有以下几种:
修正指数曲线模型
TOC \o 1-5 \h \z yt k o ;eut, k0,。丰 0 , 0 〔1 (9.4)
龚伯兹(Gompertz )曲线模型
yt k o;eut, k0, 0 0丈 1, 0 1 丰 1 (9.5)
逻辑斯蒂(Logistic)曲线模型
1
yt TV, k 0, 0 丰 0, 0 V 1 丰 1 (9.6)
k 0 1e
模型选择标准
如果对同一时间序列有几种趋势线可供选择,在考虑经济意义的基础
上,线性模型可以参照第三章第四节有关多元回归模型的评价准则进行优
选。除此之外,还可以用下歹0指标作为辅助标准,选择这些指标比较小的模 型。
均方根误差(Root Mean Squared Error , RMSE ):
?2
RMSE J―七 *)
平均绝对误差(Mean Absolute Error , MAE ):
1 八
MAE 「 yt 贝
平均绝对白分比误差(Mean Absolute Percent Error , MAPE ):
1 yt yt
MAPE — -~- 100%
T yt
(三)模型估计
上述确定性趋势模型要么本身是参数线性的,要么通过变换模型形式可 以使其线性化,所以均届丁广义的线性模型范畴。而且自变量(时间变量 t 及其函数)都是非随机变量(肯定符合严格外生条件) ,所以,可以直接使
用OLS进行估计,所有估计与推断方法完全等同丁横截面数据。
唯一与横截面回归不同的是,时间序列往往存在误差项自相关(将在第 十章讨论)。
[例9-1]改革开放以来我国GDP数据如表9-1所示。试估计我国实际 GDP的年平■均增长率。
表9-1 部分年份中国GDP数据(1978年不变价,亿元)
年份
t
GDP
年份
t
GDP
1978
1
3645.2
1994
17
16505.9
1979
2
3922.2
1995
18
18309.2
1980
3
4228.7
1996
19
20141.7
1981
4
4450.4
1997
20
22014.2
1982
5
4853.5
1998
21
23738.7
1983
6
5380.3
1999
22
25547.5
1984
7
6196.8
2000
23
27701.5
1985
8
7031.2
2001
24
30000.8
1986
9
7653.3
2002
25
32725.5
1987
10
8539.8
2003
26
36006.4
1988
11
9503.1
2004
27
39637.7
1989
12
9889.2
2005
28
43773.0
1990
13
10268.9
2006
29
488
文档评论(0)