第7章时间序列分析.pptx

第七章 时间序列分析平稳性、ARIMA模型与向量自回归单位根、趋势平稳、差分平稳与协整自回归条件异方差实证分析近年来，时间序列是计量经济领域研究的热点，许多经济学院校也将时间序列分析作为必修课程。单一的章节无法对时间序列分析进行全面论述，所以本章只侧重介绍该领域的一些基本概念，包括时间序列的平稳性概念、时间序列分析中的Box-Jenkins和向量自回归（VAR）法、随机游走模型和各种单位根检验法、伪回归、趋势平稳与差分平稳模型、协整的基本概念以及自回归条件异方差模型等。第一节 平稳性、ARIMA模型与向量自回归平稳性Box-Jenkins方法向量自回归7.1.1 平稳性我们考虑1978－2005年我国的消费和收入曲线图（如图7.1）。该图是用Eviews软件绘制的。图7.1中的数据为1978－2005年的实际值，两条曲线都表现为持续上升，这说明两数据可能存在时间趋势。实际上对于这两个时间序列， 在 时并不会收敛，同时 并不依概率收敛于某一有限的正定矩阵，由此估计时必须应用非标准的渐近理论。 图7.1 我国的收入和消费数据首先，我们定义平稳性的概念。对于一个时间序列过程 ，如果其均值和方差是与时间无关的常数，其协方差由 给出，也即协方差只与时间间隔有关，而与时间本身无关，那么称此时间序列过程为协方差平稳（或弱平稳）