31时间序列平稳性和单位根检验 .pptxVIP

第3章 现代时间序列计量经济学模型 本章说明关于经典的平稳时间序列分析模型，即自回归模型（AR）、移动平均模型（MA）、自回归移动平均模型（ARMA）等，在一般的中级计量经济学教科书或者经典的时间序列分析教科书中，都有详细的介绍，本章将不予涉及。本章所讨论的，主要是非平稳时间序列。重点是单位根检验、协整检验和误差修正模型。向量自回归模型（VAR）已经成为一类广泛应用的现代时间序列分析模型，本章将进行简单的介绍。 §3.1 时间序列平稳性和单位根检验一、时间序列的平稳性二、单整序列三、单位根检验四、趋势平稳与差分平稳随机过程五、结构变化时间序列的单位根检验 一、时间序列的平稳性Stationary Time Series⒈问题的提出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/time-series cross-section data) 时间序列数据是最常见，也是最常用到的数据。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——“一致性”要求——被破怀。数据非平稳，往往导致出现“虚假回归”（Spurious Regression）问题。表现为两个本来没有任何因果关系的变量，却有很高的相关性。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。2、平稳性的定义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{Xt}（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：均值E(Xt)=?是与时间t 无关的常数；方差Var(Xt)=?2是与时间t 无关的常数；协方差Cov(Xt,Xt+k)=?k 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）。宽平稳、广义平稳9、我们的市场行为主要的导向因素，第一个是市场需求的导向，第二个是技术进步的导向，第三大导向是竞争对手的行为导向。10、市场销售中最重要的字就是“问”。11、现今，每个人都在谈论着创意，坦白讲，我害怕我们会假创意之名犯下一切过失。12、在购买时，你可以用任何语言；但在销售时，你必须使用购买者的语言。13、He who seize the right moment, is the right man.谁把握机遇，谁就心想事成。14、市场营销观念：目标市场，顾客需求，协调市场营销，通过满足消费者需求来创造利润。15、我就像一个厨师，喜欢品尝食物。如果不好吃，我就不要它。16、我总是站在顾客的角度看待即将推出的产品或服务，因为我就是顾客。17、利人为利已的根基，市场营销上老是为自己着想，而不顾及到他人，他人也不会顾及你。白噪声（white noise）过程是平稳的： Xt=?t ， ?t~N(0,?2)随机游走（random walk）过程是非平稳的： Xt=Xt-1+?t ， ?t~N(0,?2) Var(Xt)=t?2随机游走的一阶差分（first difference）是平稳的： ?Xt=Xt-Xt-1=?t ，?t~N(0,?2)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。二、单整序列Integrated Series如果一个时间序列经过一次差分变成平稳的，就称原序列是一阶单整（integrated of 1）序列，记为I(1)。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)。I(0)代表一平稳时间序列。现实经济生活中只有少数经济指标的时间序列表现为平稳的，如利率等;大多数指标的时间序列是非平稳的，例如，以当年价表示的消费额、收入等常是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）。三、平稳性的单位根检验 （unit root test）1、DF检验（Dicky-Fuller Test） 随机游走，非平稳对该式回归，如果确实发现ρ=1，则称随机变量Xt有一个单位根。 等价于通过该式判断是否存在δ=0。 通过上式判断Xt是否有单位根,就是时间序列平稳性的单位根检验。 一般检验模型零假设H0：?=0备择假设 H1：?0可通过OLS法下的t检验