时间序列数据基本的回归分析.pptVIP

第十章时间序列数据的基本回归分析 10.1时间序列数据的性质 我们应该怎样认识时间序列数据的随机性? 回答:很明显,经济时间序列满足作为随机变量结果 所要求的直观条件,这些变量的结果都无法事先预料 到。(例如,我们今天不知道道琼斯工业指数在下 个交易日收盘时会是多少,我们也不知道加拿大下 年的年产出增长会是多少。) 规范地,一个标有时间脚标的随机变量序列被称为 个随机过程( stochastic process)或时间序列过程 ( time series process)。 10.2时间序列回归模型的例子 1、静态模型 我们将有两个变量(例如y和z)的时间序列数据标注 相同的时期,将这样的y和z联系起来即为一个静态模 型( static model) y=B0+B1x+1,t=1,2,A,n 静态模型”的名称来源于我们正在模型化y和z的同 期关系的事实 在一个静态回归模型中也可以有几个解释变量。 2、有限分布滞后模型 在有限分布滞后模型( finite distributed lag model, FDL)中,我们容许一个或多个变量对y的影响有一定 时滞。 考察一个二阶FDL: y=a+O0x+O1x,1+62x2+l1 (1)当z发生一个暂时性的提高时,C测表示z在t时期提高 个单位所引起y的即期变化。 o通常被称作冲击倾向( Impact propensity)或冲击乘